ИИ находит скрытые биологические закономерности, помогающие точнее диагностировать мигрень
ИИ находит скрытые биологические закономерности, помогающие точнее диагностировать мигрень
ИИ способен собирать большие массивы данных о здоровье, которые напрямую не связаны с мигренью, но могут указывать на людей с повышенной предрасположенностью к этому состоянию.
Новое исследование NTNU — Норвежского университета науки и технологий — показывает, что мигрень оставляет биологические следы по всему телу, которые можно выявить с помощью искусственного интеллекта.
«Существует множество несоответствий в диагностике мигрени. Похоже, что ИИ может помочь нам поставить правильный диагноз», — отмечает один из авторов исследования.
Анкер Стубберуд, врач и исследователь головной боли в NTNU, комментирует итоги работы.
Исследователи использовали ИИ для анализа данных более чем 43 000 участников всенародного исследования здоровья Helseundersøkelsen i Trøndelag (HUNT).
Результаты показывают, что мигрень можно распознать как сложное взаимодействие генетики, клинических характеристик и факторов окружающей среды.
«Мигрень — серьезная проблема здравоохранения во всем мире и оказывает значительное влияние на качество жизни. Точная диагностика важна, чтобы люди получали оптимальное лечение», — говорит Стубберуд.
Исследователи подчёркивают, что мигрень — серьёзная проблема общественного здравоохранения.
Около половины населения мира испытывают головные боли, и у части этих людей боли настолько сильны, что говорят о мигрени.
Мигрень характеризуется пульсирующей болью головы, чувствительностью к свету и звуку, тошнотой и рвотой; по оценкам, это состояние затрагивает примерно 15 процентов норвежского населения и является одной из ведущих причин инвалидности среди женщин младше 50 лет.
Одной из трудностей в выявлении мигрени остаётся то, что диагноз в основном основывается на описании симптомов самим пациентом.
«Нет простых биологических тестов — ни анализов крови, ни других маркёров, которые можно было бы использовать в рутинной диагностике. Если диагноз ошибочен, лечение может быть неэффективным, поэтому мы ищем биологические маркёры, которые могли бы помочь врачам», — поясняет Стубберуд.
Именно здесь на помощь приходит искусственный интеллект.
Команда разработала модель ИИ, способную отличать людей с мигренью от тех, кто не жалуется на головные боли.
Модель не использовала информацию о конкретных симптомах приступов, а опиралась на общие данные о пациенте — возраст, пол и сведения о здоровье.
«Входные данные включали широкий спектр показателей — от запоров и приёма лекарств до болей в спине; всего мы включили 60 переменных. То, что ИИ смог точно идентифицировать мигрень, не зная о самих приступах, указывает на наличие системных следов заболевания», — говорит Стубберуд.
Исследование показало не только наличие отчетливой биологической «подписи» мигрени, но и выявило ранее скрытые её подгруппы.
При помощи метода, в котором ИИ самостоятельно искал закономерности в данных, исследователи выделили четыре разные формы мигрени.
В общей выборке проанализировали более 12 000 человек с различными видами головной боли.
Первичный анализ выделил одну группу из 1 425 человек, более 90 процентов которых соответствовали критериям мигрени.
Остальные 10 760 участников имели другие типы головной боли или лишь частично соответствовали критериям мигрени.
Это свидетельствует о том, что ИИ сумел выделить отдельный профиль мигрени, независимый от традиционных диагностических критериев.
Дальнейший анализ внутри группы мигрени обнаружил четыре подгруппы с различными характеристиками:
первая подгруппа состояла исключительно из мужчин, что может указывать на особые проявления мигрени у мужчин, менее заметные при совместном анализе полов;
вторая — с выраженными шейными болями;
участники этой группы сообщали о сильной боли в шее наряду с мигренозными приступами, что даёт повод для дополнительного изучения связи между шейной болью и мигренью;
третья подгруппа отличалась выраженной скелетно‑мышечной болью и более высокой частотой тревоги и депрессии;
это может отражать более сложную форму, в которой задействованы несколько биологических систем;
и наконец четвёртая группа соответствовала классическому описанию мигрени.
Участники этой последней подгруппы имели симптомы, близкие к устоявшемуся определению мигрени, включая мигренозную ауру, и не отличались выраженными сопутствующими проблемами со здоровьем, характерными для других подгрупп.
Мигренозная аура — это временные неврологические симптомы, которые могут предшествовать или сопровождать приступ: чаще всего это визуальные нарушения вроде мерцания, зигзагообразных узоров или слепых пятен, но возможны и сенсорные или речевые проблемы.
Учёные также сопоставляли генетические профили выявленных групп, чтобы проверить, имеют ли подгруппы биологические различия на молекулярном уровне.
Для оценки генетического риска исследователи применили как традиционные полиgenic risk score, так и модели, разработанные с участием ИИ.
Результаты показали, что модели на основе искусственного интеллекта лучше различают генетические особенности между подгруппами мигрени.
«Это усиливает гипотезу о том, что мигрень — не единое заболевание, а объединение разнообразных биологических состояний», — говорит Стубберуд.
По словам авторов, такие различия могут открыть путь к более персонализированному подходу в диагностике и лечении.
В перспективе диагностика может дополняться данными из больших массивов информации, что даст врачам ещё один инструмент в сочетании с клиническим обследованием и описанием симптомов пациентом.
По мнению исследователей, выделение биологических подгрупп важно для разработки более целевых стратегий лечения.
«Понимание того, что мигрень представляет собой разные биологические подтипы, может помочь подобрать более подходящие препараты или профилактические меры», — отмечает Стубберуд.
Учёные подчёркивают, что следующие шаги — проверка работы ИИ на пациентах, обращающихся за медицинской помощью по поводу головных болей, и последующие клинические исследования.
До сих пор многие исследования ИИ в медицине опирались на статистические данные; исследователи считают необходимым тестировать модели в реальной клинической среде, где пациенты приходят с разными причинами обращения.
«Некоторые пациенты могут лучше реагировать на определённые лекарства или профилактические подходы, чем другие», — добавляет Стубберуд.
