Компьютерная модель облегчает раннюю диагностику деменции

Ученые из Brighton and Sussex Medical School (Великобритания) использовали данные, полученные из медицинских карт пациентов, проходивших лечения в британских врачебных практиках, для создания списка из 70 показателей, связанных с наступлением деменции и зарегистрированных за пять лет до постановки диагноза. Работая со специалистами в сфере обработки и анализа данных из астрофизики, они затем попробовали разработать несколько типов моделей на базе алгоритмов машинного обучения для выявления закономерностей в клинической информации в картах пациентов в период до постановки диагноза слабоумия. Лучшая модель смогла идентифицировать 70% случаев деменции до постановки диагноза, но при этом выдавала ряд ложноположительных результатов. 

Руководитель проекта доктор Элизабет Форд отмечает, что:

Похоже, что пациенты демонстрируют широкий спектр показателей до того, как им ставят диагноз деменция. Для терапевтов может быть действительно трудно связать все эти индикаторы и установить связь с будущим слабоумием, но с компьютерной программой мы можем это сделать. Ранняя диагностика может существенно повлиять на уход за больными деменцией, который они затем получают.

Эти результаты захватывают, но они вызывают необходимость обсуждения с врачами общей практики и пациентами того, какое место эта технология должна занимать в клинике для терапевтов. По мере развития технологии нам необходимо вести более широкие беседы о том, довольны ли мы тем, что компьютеры разрабатывают наши шансы на возникновение таких изменчивых в жизни заболеваний, как слабоумие.

В настоящее время только две трети людей со слабоумием в Великобритании, как впрочем и в других странах, получают официальный диагноз, и многих диагностируют уже на поздних стадиях заболевания, а это означает, что большое количество людей не получают лечения и ухода, который мог бы помочь им достичь хорошего качества жизни. 

Себ Оливер, профессор астрофизики в School for Mathematical and Physical Science отмечает, что:

Было фантастически интересно работать над этим проектом. Всегда удивительно видеть, как статистические методы, такие как искусственный интеллект и машинное обучение, могут быть использованы для извлечения полезной информации из данных, будь то изображения с космических телескопов или записи пациентов, проходящих лечение у врача. Конечно, статистика - это только одна часть понимания, и очень интересно работать в новых областях, чтобы попытаться понять различные проблемы, с которыми сталкиваются люди.