Теперь это может измениться благодаря инструменту машинного обучения, разработанному Куэйдом Моррисом, профессором компьютерных наук в Центре клеточных и биомолекулярных исследований Доннелли при Университете Торонто. Рэй Юнг, профессор педиатрии, иммунологии и медицины в Университете Торонто, и их недавно окончивший студент, находящийся под совместным руководством Саймона Энга.
Моррис также является преподавателем Института искусственного интеллекта Vector и первым заведующим кафедрой искусственного интеллекта Канадского института развития исследований.
Юнг также является первым председателем Хак-Мин и Деборы Чиу по педиатрическим трансляционным исследованиям в больнице для больных детей (SickKids).
В журнале PLOS Medicine исследователи описывают вычислительный подход, основанный на машинном обучении, форму искусственного интеллекта, в которой компьютер учится распознавать повторяющиеся закономерности в море данных. Алгоритм смог разделить пациентов на семь отдельных групп в соответствии с типом опухших или болезненных суставов на теле.
Кроме того, он также точно предсказал, у каких детей ремиссия наступит быстрее, а у каких разовьется более тяжелая форма заболевания.
По оценкам, только в США 300000 детей страдают артритом.
Хотя его триггеры все еще остаются неясными, болезнь возникает, когда иммунная система ошибочно принимает собственные клетки организма за инородных захватчиков, атакует слизистую оболочку суставов, вызывая отек, боль и, возможно, длительное повреждение. Нет лекарства, и лечение состоит из более агрессивных и дорогостоящих лекарств, начиная с противовоспалительных обезболивающих, таких как ибупрофен, до более сильных лекарств, включая метотрексат (химиотерапевтический агент), стероиды и биологические агенты (например, противовоспалительные препараты).
TNF и анти-IL-1), которые отключают части иммунной системы.
«Заключительный этап лечения очень эффективен для некоторых детей, но также очень дорог, и неясно, каковы долгосрочные эффекты», – говорит Моррис. «Когда вы подавляете функцию иммунной системы, этот тип лечения может быть связан с потенциальными побочными эффектами, включая повышенный риск инфекции и другие»
«Знание, какие дети получат пользу от какого лечения и в какое время, на самом деле является краеугольным камнем персонализированной медицины и вопросом, на который врачи и семьи хотят получить ответы, когда детям впервые поставят диагноз», – говорит Юнг, который также является детским ревматологом и старшим научным сотрудником SickKids.
В качестве первого шага исследователи решили подтипировать детей, у которых развился артрит, но которые еще не лечили лекарствами. Они проанализировали клинические данные 640 детей, собранные в период с 2005 по 2010 год в рамках панканадского исследования «Исследование артрита у канадских детей, с упором на результаты» (ReACCh-OUT).
В рамках лечения все дети прошли подробный медицинский осмотр, который включал документирование местоположения болезненных (также известных как активные) суставы на теле.
Данные выявили семь основных паттернов совместной деятельности: суставы в области таза, пальцы рук, запястья, пальцы ног, колени, лодыжки и нечеткий паттерн. И хотя большинство детей попали в одну категорию, около трети пациентов имели активные суставы, которые принадлежали более чем к одной группе.
У этих пациентов с нелокализованным поражением суставов, как правило, были худшие результаты, и им потребовалось больше времени для достижения ремиссии, чем у пациентов, у которых активные суставы попадают в единую структуру.
Хотя у постели больного выявляются уникальные паттерны поражения суставов, современная классификация пациентов с детским артритом учитывает только общее количество пораженных суставов.
Понятно, что необходимы более подробные описания поражения суставов, позволяющие прогнозировать течение и тяжесть заболевания. Поразительно то, что дети с нелокализованным поражением суставов отличаются друг от друга.
Врачи уже наблюдали это раньше, когда лечили этих детей сильнодействующими лекарствами, но все еще не могли контролировать болезнь.
«Раннее выявление этой группы детей поможет нам выбрать правильное лечение на раннем этапе и предотвратить ненужную боль и инвалидность от продолжающегося активного заболевания», – говорит Йунг.
Из-за сложности заболевания, когда поражено несколько суставов и может меняться со временем, а также из-за относительно небольшого количества доступных пациентов, команде пришлось выйти за рамки стандартных статистических методов, чтобы выявить паттерны боли в суставах.
«Нам пришлось использовать машинное обучение, чтобы в первую очередь обнаружить эти семь паттернов болезни», – говорит Моррис, чья команда модифицировала метод, известный как многослойная неотрицательная матричная факторизация. "А потом мы поняли, что есть дети, которые не попадают ни в одну из схем, и у них очень плохая версия болезни. Теперь мы гораздо лучше понимаем болезнь, мы можем сгруппировать детей по этим различным категориям, чтобы предсказать реакцию на лечение, как быстро они перейдут в ремиссию и можем ли мы определить, находятся ли они в ремиссии, и отменить терапию."