Когда пациент выздоравливает от раны, врач может наблюдать за ним, наблюдая за процессом заживления и назначая лечение в зависимости от реакции организма. Но широкий спектр факторов, включая диету, возраст или заболевания, такие как диабет, играют роль в исцелении, и ежедневный мониторинг этих переменных может быть трудным для врачей, особенно при хронических состояниях.

Перед лицом этих проблем исследователи из Калифорнийского университета в Санта-Крузе создают системы, которые могли бы постоянно отслеживать эти сложные факторы, а также текущие реакции организма и с помощью алгоритма машинного обучения предлагать или даже назначать лечение.

Эта непрерывная реакция на метрики или тесты является формой контроля с обратной связью — инженерной концепцией сравнения переменной с целевым значением. Теория управления обычно используется при проектировании динамических систем, но гораздо реже используется врачами. Исследования доцента прикладной математики Марселлы Гомес сосредоточены на преодолении этого разрыва с потенциалом предоставления высококачественной медицинской помощи большему количеству людей с помощью алгоритмов машинного обучения, которые автоматизируют точную медицину.

В новой перспективе, опубликованной в журнале Cell Reports Physical Science, Гомес подробно описывает, как область может выйти за рамки статических данных для создания систем, которые измеряют и отслеживают реакции организма в реальном времени на различные факторы и используют машину. алгоритм обучения для составления и даже в некоторых случаях выполнения плана лечения. Статья служит призывом к относительно небольшому и новому сообществу исследователей, работающих над этими проблемами, начать думать о более широком спектре открытых проблем и вопросов в этой области.

«Вы можете получить высококачественную помощь большему количеству людей без необходимости интенсивно обучать врачей в течение десятилетий», — сказал Гомес.

Сейчас, по словам Гомес, методы использования машинного обучения в точной медицине сосредоточены на использовании статических индикаторов: неизменных факторов, которые используются для прогнозирования исходов болезни или хронических ран, таких как наличие геномной мутации. Это включает в себя сбор исторических данных о прошлых случаях и их использование для прогнозирования того, как может развиваться болезнь или рана.

Но новое исследование подчеркивает необходимость разработки большего количества методов, основанных на данных, для улучшения аспектов моделирования и контроля использования машинного обучения для повышения точности медицины. Это означало бы появление большего числа прогностических моделей , основанных исключительно на данных, вместо того, чтобы пытаться зафиксировать и смоделировать весь спектр задействованных биологических процессов, что было бы чрезвычайно сложной задачей.

Она также хочет, чтобы поле двигалось к системам, которые более адаптивны и могут меняться в зависимости от меняющихся потребностей тела.

В традиционной теории управления инженер знает информацию о динамических характеристиках системы и использует ее, чтобы выбрать, какие элементы управления лучше всего подходят для этих конкретных характеристик. Но сложность человеческого тела затрудняет выбор одного подходящего контроллера. Это требует нового способа представления контроля.

«Вы можете подумать об использовании подхода машинного обучения, при котором контроллер адаптируется — он может определить, не справляется ли он с такой большой задачей для достижения своей цели, и, таким образом, может даже скорректировать свою собственную стратегию таким образом, чтобы предлагать методы лечения на основе входных данных. пока не увидит, что приближается к своей цели», — сказал Гомес. «Он всегда будет стремиться оптимизировать свою производительность».

Гомес говорит, что эти улучшенные алгоритмы могут быть использованы для расширения применения контроля с обратной связью за пределы существующей работы, такой как искусственная поджелудочная железа, которая постоянно измеряет уровень глюкозы и вводит инсулин, когда это необходимо. Алгоритмы также могут улучшить систему «человек в контуре», где врач считывает ответ системы мониторинга и назначает лечение на основе алгоритмических предложений.

Она сотрудничает в этом исследовании с профессором электротехники и вычислительной техники Марко Роланди, соавтором концепции, которая разрабатывает датчики и приводы, которые они надеются использовать для реализации этих концепций управления с обратной связью, и доцентом электротехники и вычислительной техники Мирча Теодореску, эксперт в области биоинженерии и робототехники. Два исследователя в настоящее время применяют эти концепции в своем проекте, направленном на создание новой умной повязки, которая ускоряет заживление серьезных ран.

6 декабря Гомес стал одним из руководителей секционного заседания Национального института здравоохранения (NIH) под названием «Распространение методов биоконтроля на сложные биологические системы» по этой теме в рамках заседания Консорциума синтетической биологии NIH.