Հիպերտոնիայի և այլ համակարգային հիվանդությունների զարգացման ռիսկը գնահատել են աչքի հատակի լուսանկարներով

Սկոլտեխի, «Z-union» ԱԲ կոնցեռնի, «Sber AI Lab» լաբորատորիայի և այլ գիտական կենտրոնների հետազոտողներն առաջարկել են աչքի հատակի լուսանկարներով 15 հիվանդությունների կանխարգելիչ (պրևենտիվ) սկրինինգի համար նախատեսված և արհեստական բանականության վրա հիմնված մոտեցում։ Այն ախտաբանությունների թվում, որոնց զարգացման ռիսկը գիտնականներին հաջողվել է կանխատեսել լուսանկարներով, ոչ միայն ակնային հիվանդություններ են, ինչպիսիք են գլաուկոման և կատարակտը, այլև համակարգային հիվանդություններ, օրինակ՝ հիպերտոնիան, կարմիր գայլախտը և ՁԻԱՀ-ը։ Նման մոտեցումների ներդրումը թույլ կտա հիվանդության մասին ավելի վաղ իմանալ այն պացիենտներին, ովքեր դեռ չեն սկսել ախտանիշներ զգալ։ Ուսումնասիրությունը հրապարակվել է «Frontiers in Medicine» ամսագրում։

«Ինվազիվ հետազոտությունները չեն անցկացվում առանց հատուկ ցուցումների, իսկ ոչ ինվազիվ սկրինինգը կարող է զանգվածային լինել,- պարզաբանում է աշխատության առաջին հեղինակ, «Z-union» ԱԲ կոնցեռնի տնօրեն Ռոբերտ Վասիլևը։ - Ենթադրենք, մարդը եկել է ակնաբուժական կլինիկա, օրինակ, աչքի ցավերի գանգատով։ Նրան պարտադիր կանեն աչքի հատակի լուսանկար. սա ստանդարտ ընթացակարգ է, փոխանցում է «Научная Россия»-ն։ Նույն այս լուսանկարը տեղեկատվություն է պարունակում նաև մի շարք հիվանդությունների զարգացման ռիսկի մասին (այդ թվում՝ աչքերի հետ բացարձակապես չկապված)։ Եվ որքան շուտ պացիենտն իմանա, որ ինքը դրանցից մեկի ռիսկի խմբում է, այնքան լավ»։

Գիտնականների առաջարկած մոդելն ընդունում է աչքի հատակի լուսանկարը և ցույց տալիս 15 հիվանդություններից յուրաքանչյուրի առկայության հավանականությունը։ Մոդելի ճշգրտության ցուցանիշը (ROC AUC) կազմում է 0,997, այդ թվում՝ հազվադեպ հանդիպող ախտաբանությունների համար։ Գնահատման նման համակարգում 1,0-ն համապատասխանում է իդեալական արդյունքին։ Այսպիսով, մոդելը ցուցադրում է շատ բարձր ճշգրտությամբ առողջ մարդկանց հիվանդություն ունեցող պացիենտներից տարբերակելու ունակություն։

Մոդելի ուսուցման համար հետազոտության հեղինակները ձևավորել, նշագրել և անանունացրել են աչքի հատակի ավելի քան 20 հազար լուսանկարներից կազմված եզակի ընտրանքները, որոնք հավաքվել են բաց աղբյուրներից և ձեռք բերվել կլինիկաներից։ Ընտրանքի տարբերիչ առանձնահատկությունն է դարձել հազվադեպ ախտաբանությունների ներկայացվածությունը, ինչը այն արժեքավոր ռեսուրս է դարձնում ապագա հետազոտությունների համար։ Կոլեկտիվը ձևայնացրել է բժշկական խնդիրը և բժշկական փորձագետների ներգրավմամբ ձևակերպել թիրախային ախտաբանությունների հատկանիշները լուսանկարներում։

Աշխատանքի համահեղինակ, Սկոլտեխի Բիո- և բժշկական տեխնոլոգիաների կենտրոնի գիտաշխատող Յուլիա Սարանան նշել է. «Հույս ունենք, որ մեր առաջարկած ոչ ինվազիվ մոտեցումը կիրառություն կգտնի բժշկական պրակտիկայում և, զուգակցվելով ախտորոշման գոյություն ունեցող մեթոդների հետ, թույլ կտա լուրջ հիվանդությունները հայտնաբերել ավելի վաղ փուլերում։ Սա, իր հերթին, կարող է նպաստել բուժումը ժամանակին սկսելուն, առողջ կյանքի տևողության երկարաձգմանն ու դրա որակի բարձրացմանը»։

Հետևեք NEWS.am Medicine-ին Facebook-ում և Twitter-ում