Тревожное устройство: микрофлюидный чип определит предвестники инсульта
Российские ученые разработали алгоритм, который помог создать эффективное микрофлюидное устройство для определения предрасположенности к ишемическому инсульту. Речь идет о миниатюрном чипе, который в микрокапле крови способен улавливать отдельные эритроциты и оценивать их состояние. Если красные кровяные тельца сбиваются в различные структуры, значит, у пациента высок риск тромбоза и инсульта в будущем. Задачу удалось решить благодаря технологиям машинного обучения.
ИИ для науки
Руководитель фронтирной лаборатории в исследовательском центре «Сильный ИИ в промышленности» ИТМО Николай Никитин вместе с командой разработал экосистему методов и алгоритмов машинного обучения для научных исследований. Она помогает автоматизировать применение методов искусственного интеллекта для решения задач из разных областей науки и техники и, что самое главное, открыта для всех — ей пользуются не только исследователи из ИТМО, но и научные команды в России и по всему миру.
Руководитель фронтирной лаборатории в исследовательском центре «Сильный ИИ в промышленности» ИТМО Николай Никитин (в центре)
В частности, команда Георгия Григорьева (PhD) из Калифорнийского университета в Беркли и Университета Цинхуа применила эволюционный алгоритм для проектирования микрогидродинамических ловушек для эритроцитов в виде микрофлюидного чипа. На их основе можно будет сделать носимое устройство, которое по капле крови определит пациентов из группы риска за долго до того, как у них произойдет ишемический инсульт.
Существующие на рынке устройства, как правило, успешно диагностируют уже начавшийся инсульт. Например, голосовой помощник распознает нарушение речи, а селфи-камера на телефоне увидит нарушение симметрии лица. Но это уже признаки развивающегося инсульта.
— Инсульт возникает в результате разрыва или закупорки сосуда головного мозга. Одной из причин является тромбоз, вызванный тем, что эритроциты (~8 мкм в диаметре), «доставщики» кислорода тканям, сгруппировавшись в «монетные столбики» и другие структуры, уже не могут протиснуться сквозь капилляры (~2,5 мкм в диаметре), — рассказал «Известиям» Георгий Григорьев. — Одним из способов превентивной диагностики, которая поможет человеку осознать приближение инсульта и своевременно обратиться к врачу, может стать носимый микрофлюидный прибор по типу личного глюкометра. Устройство будет анализировать состояние пациента по нативной микрокапле крови, оценивая степень агрегации эритроцитов.
По его словам, микрофлюидный чип потенциально применим в устройствах, которые могут превентивно определять первые симптомы инсульта. Но пока полноценных устройств, которые можно носить с собой, на рынке нет. Микрочип, который сможет улавливать эритроциты из микрокапли нативной крови, — это пока шаг на пути к гаджетам нового типа.
Попасть в ловушку
Разработка подобного комплекса технических систем на данном этапе развития биомедицины сталкивается с некоторыми трудностями, рассказали специалисты. Чтобы изучать, оцифровывать и снимать параметры с красных кровяных телец в реальном времени in vivo (в живых организмах), эритроциты нужно фиксировать по одному, поскольку анализировать неподвижный объект проще, чем стремительно двигающийся рой объектов. При этом клетку необходимо обездвижить таким образом, чтобы она сохраняла свои нативные свойства. Эритроциты крайне чувствительны к малейшим изменениям реологических параметров плазмы крови и гидродинамическим условиям — например, они могут менять форму, когда сужается просвет капилляра, складываясь в четыре раза.
С помощью генеративного ИИ, разработанного в ИТМО, ученым удалось спроектировать конструкцию для улавливания эритроцитов — микрогидродинамические ловушки в виде L-образных щелей. Щели фиксируют красные кровяные тельца так, что они непрерывно омываются потоком и сохраняют свою морфологию.
Дальнейшие эксперименты показали, что сгенерированная конструкция успешно улавливает дифференцированные клетки крови и может удержать четыре эритроцита из четырех входящих в ловушку в рамках одного поля зрения.
— Применение автоматического машинного обучения позволяет экономить время очень дорогостоящих экспертов: вместо многих часов работы над прототипом модели аналитики больших данных могут создать ее за полчаса. Кроме того, в принципе важно реализовывать инструменты ИИ в виде открытого кода — это позволяет повышать воспроизводимость научных исследований, — рассказал Николай Никитин из ИТМО.
В конце октября «Яндекс» подвел итоги ежегодной премии Yandex ML Prize — награду присуждают исследователям, которые вносят вклад в развитие машинного обучения и появление новых талантов. В номинации «Молодой научный руководитель» победу одержал лидер сообщества ITMO OpenSource, кандидат технических наук Николай Никитин.
Перспективное направление
Разработка заключается в создании специального чипа, который поможет диагностировать возможное возникновение инсульта сильно заранее, чем позволяют это делать современные методы. Нейросеть применялась для проектирования конструкции для улавливания эритроцитов, которую теперь, в теории, возможно произвести, прокомментировал новую технологию СЕО группы компаний ST IT, эксперт рынка TechNet НТИ Антон Аверьянов.
— Нейросетевые технологии действительно сейчас сильно помогают на этапе проектирования инженерных конструкций. Так, в данном случае всего за 40 человеко-часов (одна рабочая неделя) и 60 часов непрерывных вычислений (менее трех суток) они позволили получить результат, на который ушло бы несколько месяцев проектирования, — сказал эксперт.
По его словам, теперь у команды разработки чипа начнется следующий этап — необходимо воспроизвести, протестировать и поставить на производство полученный с помощью нейросети результат. Если всё будет успешно, продукт дойдет до конечного потребителя, но будет это не быстро.
— Вероятно, ИИ может повысить точность превентивной диагностики заболеваний, но важно понимать, на базе каких данных будут обучаться системы и какими данными они в последующем будут пользоваться, — подчеркнул руководитель лаборатории персональных медицинских помощников Центра компетенций НТИ «Бионическая инженерия в медицине» на базе СамГМУ Петр Кшнякин.
При наличии качественных данных можно добиться достаточно высокой точности работы систем, которая будет как минимум не хуже квалифицированного врача, а в ряде случаев на самом деле даже его превосходить, по крайней мере в будущем, резюмировал специалист.
