Искусственный интеллект определил указывающие на риск холеры кишечные бактерии

Москва, 13:25, 08 Май 2018, редакция FTimes.ru, автор Евгения Ковалева.

Исследователи из Дьюкского университета, Центральной больницы штата Массачусетс и Международного центра изучения кишечных инфекций в Дакке, Бангладеш, использовали алгоритмы машинного обучения для отслеживания характерных черт кишечных бактерий, которые не смог бы увидеть человек.

Эти черты позволят определить, кто из примерно миллиарда жителей Земли, подверженных риску заражения холерой, заболеет кишечной инфекцией, сообщает sciencedaily.com.

«Существуют признаки, которые даже самые квалифицированные ученые не могут обнаружить, — сказал доктор Лоуренс Дэвид, старший автор работы из Дьюкского университета. – Хотя некоторые люди скептически относятся к искусственному интеллекту, мы показали его потенциал в борьбе с болезнями».

Проект, представленный в Journal of Infectious Diseases, предполагает, что кишечные бактерии могут сыграть важную роль в разработке улучшенных вакцин и превентивных мер от холеры и других инфекций.

«Исследование показало, что эта микробиота также эффективна в выявлении будущих заболевших, как и клинические факторы риска, известные нам десятки лет, — сказала доктор Регина Лароч из Центральной больницы штата Массачусетс. – Мы выявили абсолютно новый компонент риска холеры, о котором было неизвестно ранее».

Специалисты взяли ректальные мазки у жителей Дакки из дома, откуда ранее был госпитализирован пациент с холерой. Из 76 участников, болезнь в период наблюдения развилась примерно у 33%. Исследователи профилировали микробиоту с помощью технологии секвенирования и загрузили все данные в компьютер для анализа. Они научили машину сканировать результаты от 4000 различных бактериальных таксонов в каждом образце в поисках признаков, отличающих будущих заболевших от здоровых людей. Алгоритм выявил 100 микробов, связанных с восприимчивостью к холере.

«Обычно вы просматриваете данные, изучая один вид бактерий за раз в надежде обнаружить сигнал об инфекции, — сказал ведущий автор работы, Фирас Мидани, аспирант лаборатории Дэвида. – Машина может одновременно рассмотреть сотни видов и объединить их в один сигнал».