Лечат рак и эпилепсию: как искусственный интеллект помогает врачам и спасает жизни

Словарь Коллинс, который издает одна из крупнейших англоязычных издательских компаний «ХарперКоллинс», назвал искусственный интеллект (ИИ, AI) словом 2023 года. Эксперты связывают с появлением этой технологии новую техническую революцию, и она действительно может сильно повлиять на многие сферы жизни. Ученые из Сколковского института наук и технологий (Сколтех) занимаются применением методов машинного обучения и искусственного интеллекта в медицине. Об этом рассказал руководитель исследовательской группы Центра прикладного ИИ Сколтеха, кандидат физико-математических наук Максим Шараев. Максиму Шараеву 34 года, он родился в Саратове, окончил физико-технический лицей № 1, а затем — физический факультет МГУ. Учился на кафедре биофизики. Максим — эксперт в области нейровизуализации, нейротехнологий и машинного обучения, автор ряда исследований в области когнитивных технологий и нейроинтерфейсов. — Максим, вы с детства хотели стать ученым? — Да, я всегда был настроен на науку, были лишь сомнения, куда именно поступать. Мне с детства было очень интересно находить новую информацию, которую приходилось буквально собирать по крупицам. Когда начал работать в науке, стало понятно, что и здесь много рутины. Это только в кино каждый день какие-то прорывы, а в реальности работа ученого — это в основном кропотливый труд. Больше всего раздражают бюрократические, административные вопросы, которые отвлекают от научной деятельности и сильно выматывают. Но зато, когда что-то получается, подтверждается гипотеза и есть результат — например, научная статья в авторитетном журнале — это радует и вдохновляет. — А почему вы выбрали биофизику? — Мои родители, бабушки с дедушками тоже занимались наукой. Еще с ранних лет мне было интересно всё, что связано с изучением мозга. Когда я был маленьким, мне казалось, что для этого нужны знания по биологии, нейрофизиологии, психологии. Но потом, в том числе благодаря родителям и учителям, я понял, что современные науки, особенно те, где есть большое количество экспериментальных данных, сложные приборы, установки, невозможно постичь без естественно-научного образования в качестве базы. Эмпирическая биология и нейрофизиология, когда было достаточно простых наблюдений и анализов, давно закончилась. Сейчас любая сложная наука — это наука данных, а методы их анализа одни и те же в любых областях. Биохимическая физика — это применение физико-математических методов к биологическим системам. — Чем вы занимаетесь сейчас? — Наша лаборатория изучает мозг человека, больше половины проектов связаны с нейровизуализацией — получением и анализом данных работы мозга. Для этого применяются математическое моделирование, методы машинного обучения и искусственного интеллекта. Наш центр называется центром прикладного искусственного интеллекта, поэтому 80% наших работ начинается по запросу от индустрии, медицины или прикладной биологии. Но в процессе решения прикладных задач часто возникают и фундаментальные, например, касающиеся методов: разработка новых типов нейронных сетей, новых архитектур, подходов к анализу данных. Также мы занимаемся так называемой персонализированной медициной. По каждому человеку можно собрать огромное количество данных: геномные, транскриптомные, МРТ мозга, энцефалограмма, анализы крови и так далее. Суммарно это даст очень информативный индивидуальный портрет человека. А методы машинного обучения ИИ позволяют эти данные объединить и сделать полезный вывод для науки или для лечения человека. Пока это поиск общих тенденций, но мы надеемся, что со временем получится давать конкретные рекомендации. — Где это может применяться? — Например, двое онкологических больных с одинаковыми диагнозами, одинаковым сроком болезни и с одинаково успешно прошедшей операцией сталкиваются с тем, что на одного действуют препараты, а на другого нет. Тогда берется анализ патологической ткани и проводится ее детальный анализ. Какие-то части этой сложной неоднородной структуры могут откликаться на терапию, какие-то — нет. Если это понять заранее, в теории можно намного более успешно, прицельно и качественно назначать препараты. В идеале это может позволить создать системы поддержки врачебных решений: опираясь на большое число фактов, давать рекомендации доктору, какая терапия в этом случае предпочтительна. А специалист, соединяя их с другими фактами, принимает решение. — Ваша лаборатория разрабатывает интеллектуальную систему помощи рентгенологу для обнаружения малых патологий мозга. Расскажите, пожалуйста, об этом проекте. — Искусственный интеллект помогает врачу найти на снимках МРТ пораженные участки, которые вызывают приступ эпилепсии. Также эта система позволяет составить карту функциональных зон мозга, отвечающих за движение, зрение, речь и так далее. Бывает форма эпилепсии, когда лекарства не помогают, и таких больных довольно много. Их проблема зачастую заключается в том, что в мозге есть маленькая область, которая вследствие разных причин вызывает поразительную активность и приступ. Если провести нейрохирургическую операцию, удалить эту маленькую область, то в 90% случаев у человека всё нормализуется. Если говорить о детях, то они догоняют сверстников, нормально ходят в школу. У взрослых прекращаются приступы, возвращаются когнитивные способности. Но одна из проблем в том, что такие области очень похожи на здоровую ткань и их сложно найти. По отзывам наших медицинских партнеров, в России есть единицы опытных рентгенологов, которые могут найти такие патологии на снимках МРТ. Эти врачи есть в крупных городах: в Москве, Питере, Новосибирске. Каждый из них может просматривать в день снимки не более трех-четырех пациентов. Соответственно, ожидание растягивается более чем на полгода. — А как обстоит ситуация в мире? — Эта проблема существует во всех странах, Всемирная противоэпилептическая лига несколько лет назад даже выпустила меморандум, где было отмечено, что необходимо создавать системы-помощники в обнаружении такой патологии. Мы начали делать систему, которая должна выполнить две базовые задачи: помочь опытному врачу сократить время поиска, а неопытному — подсказать, какие части мозга смотреть. Понятно, что такая система вряд ли будет работать лучше опытного врача, но если мы сможем хотя бы на 80–90% приблизиться к уровню топовых специалистов, это уже будет выше среднего врача и станет хорошим подспорьем. Мы собирали данные из двух медицинских центров больше года, проводили их разметку, и сейчас у нашей команды самый большой в мире датасет по этой патологии. Пока наша система работает на уровне среднего врача, но мы совершенствуем ее. — Эта технология применяется только для лечения эпилепсии? — У системы есть и другой модуль: планирование нейрохирургических операций. Здесь используется два типа данных: МРТ структурная и МРТ функциональная (ФМРТ). Структурная показывает трехмерную картинку мозга, а функциональная — активность разных зон мозга. У здоровых людей расположение областей, отвечающих за движение, речь, зрение, плюс-минус известно. Но даже у здоровых людей они могут немного варьироваться, их расположение может отличаться на несколько сантиметров. У людей со структурными патологиями, такими как опухоль, эти зоны могут смещаться ввиду нейропластичности, и до операции это неизвестно. Во время операции нужно соблюдать баланс: убрать как можно больше пораженной ткани и оставить как можно больше здоровой, чтобы не повредить важные мозговые центры. Чтобы не вырезать лишнего, прямо во время операции пациента будят, разговаривают с ним, дотрагиваются электродами до поверхности мозга и смотрят на результат. Например, когда попадают в речевую зону, человек начинает запинаться, а если воздействуют на моторную зону, он не может пошевелить рукой. В мозге нет болевых рецепторов, поэтому пациенту в сознании не больно. Я сам несколько раз был на таких операциях, чтобы понимать, как это работает. Хирург о чём-то говорит с человеком и при этом удаляет какие-то участки. И так несколько часов. Желательно локализацию этих зон хотя бы примерно знать до операции, когда череп еще не вскрыт. Здесь и выручает ФМРТ, которая при наложении на структурную МРТ позволяет получить карту функциональных зон, которые для наглядности можно раскрасить в разные цвета. Если нейрохирург увидит такую трехмерную модель до операции, он сможет спланировать ее ход. А если мы загрузим эту модель в нейронавигационную систему, то хирург в реальном времени будет видеть на экране, где находится его скальпель относительно конкретных зон. — Недавно вы начали совместный проект с Университетом Шарджи (ОАЭ). Это ваше первое сотрудничество с арабскими коллегами? — Мы уже пару лет работали с ними по нескольким направлениям, и в результате приняли решение создать совместную лабораторию искусственного интеллекта в биомедицинских исследованиях (Биомедицински обоснованный ИИ, BIMAI-Lab). Российскую часть возглавляю я, а арабскую — Рифат Хамуди, профессор и директор Научно-инновационного центра точной медицины в Университете Шарджи. Они в большей степени отвечают за медицину и биологию, сбор данных, мы как центр ИИ — за анализ данных, обработку и построение моделей. Стартовым проектом совместной лаборатории стало создание методов и моделей исследования гетерогенности раковых опухолей. — Что вы исследуете в проекте? — Чтобы определить тактику лечения и прогноз пациента, больного раком, у него берут гистологию — вырезают кусочек опухоли и анализируют его. Но проблема в том, что в этом образце присутствует много разных типов клеток, которые содержат разную информацию. Если мы берем полностью часть ткани и проводим генетический или транскриптомный анализ, то мы смотрим «среднюю температуру». Мы считаем, что всё гомогенно и однообразно, но это не так. Часть клеток могут откликаться на какую-то одну терапию, а другие — только на другую. Чтобы не терять информацию об отдельных структурах, правильнее делать одноклеточный анализ. Из каждой однородной подгруппы клеток выделять «представителя» и анализировать его. Таким образом получаются генетические и транскриптомные профили каждого отдельного участка. Имея профили большого числа участков в этом кусочке ткани, можно строить биологические модели о генетических путях, механизмах регулирования клеток. Например, модель эволюции этой ткани во времени: что будет происходить с разными типами клеток через определенный период. И тогда мы сможем моделировать на компьютере взаимодействие каких-то веществ и тканей. Что будет, если мы добавим какое-то одно лекарство? Моделируем. А другое, третье или комбинацию препаратов? Мы прогнозируем, какие средства подействуют лучше и как они перекликаются. — А могут ли эти методы применяться при других заболеваниях, кроме рака? — Если мы продвинемся в методах, коллеги из Университета Шарджи хотят этот подход распространить на другие типы патологии. В первую очередь на астму и диабет. — Сколько времени займет создание такой системы? — Это глобальный план не на один год. Если она будет создана, любая клиника в региональном центре сможет взять образец ткани, провести его гистологическое окрашивание и передать туда, где оборудование позволит сделать такой анализ. Также у нас есть идея, чтобы все взятые образцы хранились в едином биобанке, это было бы очень полезно для развития медицины и науки в целом.