«Текущие статистические модели слишком просты. Они не могут уловить сложные биологические вариации у людей, отбрасывая их как простой шум. Мы подозреваем, что это может частично объяснить, почему так много испытаний лекарств работают на простых животных, но терпят неудачу в сложном мозгу людей. "машинное обучение, способное моделировать человеческий мозг во всей его сложности, может выявить лечебные эффекты, которые в противном случае были бы упущены", — сказал ведущий автор исследования доктор Парашкев Начев (Институт неврологии UCL).Чтобы проверить концепцию, исследовательская группа изучила крупномасштабные данные о пациентах с инсультом, извлекая сложную анатомическую картину повреждения мозга, вызванного инсультом у каждого пациента, создав в процессе самую большую коллекцию анатомически зарегистрированных изображений инсульта из когда-либо собранных. . В качестве показателя воздействия инсульта они использовали направление взгляда, объективно измеренное от глаз, как видно на компьютерной томографии головы при поступлении в больницу, и на основе МРТ, обычно проводимой через 1-3 дня.
Затем они смоделировали крупномасштабный мета-анализ набора гипотетических лекарств, чтобы увидеть, можно ли с помощью машинного обучения выявить лечебные эффекты различной степени, которые не были бы пропущены обычным статистическим анализом. Например, учитывая медикаментозное лечение, которое сокращает поражение мозга на 70%, они проверили значительный эффект с помощью обычных (низкоразмерных) статистических тестов, а также с помощью методов многомерного машинного обучения.Техника машинного обучения учитывала наличие или отсутствие повреждений всего мозга, рассматривая инсульт как сложный «отпечаток пальца», описываемый множеством переменных.
«В исследованиях инсульта, как правило, используется относительно немного грубых переменных, таких как размер поражения, без учета того, находится ли поражение в центре критической области или на ее краю. Вместо этого наш алгоритм изучил всю картину повреждения в мозгу, с использованием тысяч переменных с высоким анатомическим разрешением. Освещая сложную взаимосвязь между анатомией и клиническим исходом, это позволило нам обнаруживать терапевтические эффекты с гораздо большей чувствительностью, чем традиционные методы », — пояснил первый автор исследования Тяньбо Сюй (Институт неврологии UCL). .Преимущество машинного обучения было особенно сильным при рассмотрении вмешательств, которые уменьшают объем самого поражения. С обычными низкоразмерными моделями вмешательство должно было бы уменьшить поражение на 78,4% от его объема, чтобы эффект чаще обнаруживался в испытании, в то время как высокоразмерная модель более чем вероятно обнаружила бы эффект, когда поражение сократилось всего на 55%.
«Обычные статистические модели не учитывают эффект, даже если лекарство обычно уменьшает размер поражения наполовину или более, просто потому, что сложность функциональной анатомии головного мозга — если ее не учитывать — вносит так много индивидуальной вариабельности в измеряемые клинические данные. Результаты. Тем не менее, сохранение 50% пораженной области мозга имеет смысл, даже если это не оказывает явного влияния на поведение.
Не существует такой вещи, как избыточный мозг », — сказал д-р Начев.Исследователи говорят, что их результаты демонстрируют, что машинное обучение может иметь неоценимое значение для медицины, особенно когда изучаемая система, такая как мозг, очень сложна.«Настоящая ценность машинного обучения заключается не столько в автоматизации вещей, которые нам легко сделать естественным образом, сколько в формализации очень сложных решений.
Машинное обучение может сочетать интуитивную гибкость клинициста с формальностью статистических данных, лежащих в основе доказательной медицины. «Модели, объединяющие тысячи переменных, могут быть строгими и математически обоснованными. Теперь мы можем с высокой точностью уловить сложную взаимосвязь между анатомией и результатом», — сказал д-р Начев.
«Мы надеемся, что исследователи и клиницисты начнут использовать наши методы в следующий раз, когда им понадобится провести клиническое испытание», — сказал соавтор профессор Герайнт Рис (декан факультета естественных наук UCL).Исследование финансировалось Wellcome и Центром биомедицинских исследований больниц Лондонского национального института исследований в области здравоохранения.