Будущее медицины: как наука будет предсказывать болезни

Редакция Apparat

В издательстве Альпина Нон-фикшн вышла книга «Будущее медицины», в которой известный врач Эрик Тополь рассказывает о том, как демократизация медицины, большие данные и аналитика делают здравоохранение эффективнее и доступнее. Apparat публикует фрагмент из главы «Прогнозирование и предупреждение заболеваний» о том, как наука будет предсказывать болезни.

Предсказание болезни: кто, когда, как, почему и что?

Для начала убедимся в том, что мы различаем понятия «предсказание» и «диагноз». Онлайн-тестеры для проверки симптомов пользуются все большей популярностью и вниманием в Интернете и помогают людям проводить «самодиагностику» (с помощью компьютера), но они не предсказывают болезнь. В лучшем случае из набора симптомов, которые вводит человек, предлагается дифференциальная диагностика, и правильный диагноз входит в список вариантов. Это полезно и практично, но это ничего не предсказывает. Точно так же разработчики из Biovideo — которые разрабатывают приложение для суперкомпьютера IBM Watson, чтобы «мать с больным ребенком в четыре утра могла воспользоваться IBM Watson и спросить, что случилось с ее ребенком и получить точный ответ», — могут создать что-то полезное, но это что-то не имеет отношения к прогнозу.

У нас очень серьезная проблема с ошибочной диагностикой: диагноз — неправильный или правильный — ставится пациенту слишком поздно, и эта проблема затрагивает 12 млн американцев в год. Для решения этой проблемы можно обратиться к технологиям и контекстуальным вычислениям. Популярный телесериал «Доктор Хаус» очень поучителен в этом плане. Главный герой, Грегори Хаус, — блестящий диагност, который разбирается с самыми редкими и таинственными случаями, ставящими в тупик других врачей. Для того чтобы этого добиться, он использует байесовский подход, при котором вся информация — история болезни, медосмотр, лабораторные исследования, сканограммы — рассматривается в контексте всей ранее известной, относящейся к делу информации (что известно из теоремы Байеса как клиническая предсказуемость результата испытания (теорема Байеса позволяет определить вероятность какого-либо события при условии, что произошло другое, статистически взаимосвязанное с ним событие — прим. пер.). Ответ «да» или «нет» не получается. Скорее, есть вероятность, что у пациента диагноз X или Y. Это можно сравнить с распространенным подходом, предусматривающим «да» или «нет» на основании исключительно статистики вероятности (типа Р < 0,05, где Р — коэффициент вероятности). Модель доктора Хауса идеально подходит для компьютерной автоматизации в медицине, и точно так же работает IBM Watson. Вероятность предварительного диагноза учитывает всю медицинскую литературу, которая была опубликована до сегодняшнего дня. Когда вы вводите в IBM Watson все имеющиеся данные о конкретном пациенте в поиске диагноза, вы получаете список возможных вариантов. Каждому присваивается вес или вероятность (отношение правдоподобия).

Более того, байесовская модель для диагностики с помощью компьютера быстро становится частью клинической практики и может распространиться на рекомендации по лечению. Информационный ресурс под названием Modernizing Medicine включает информацию по более чем 15 млн посещений пациентов и 4000 врачей с лечением и результатами по каждому пациенту. Так что помимо способности IBM Watson к дифференциальной диагностике может быть генерирован список назначений с взвешенной вероятностью и установлено соответствие данных пациента всем остальным в базе данных. (Кстати, специалистам по обработке и анализу данных, которые работают в здравоохранении, не нравится, когда их информационные ресурсы называют базами данных. Вот так-то!) Все это примеры использования искусственного интеллекта для дифференциальной диагностики и лечения в медицине. Но и это еще не предсказания.

Теперь надо убедиться в том, что сбор несметного количества данных не означает, что вы сможете предсказать что-то значительное. К 100-летию со дня рождения Алана Тьюринга в журнале Science был опубликован ряд материалов, включая статью о «доме, полностью оснащенном камерами и аудиооборудованием, [которые] постоянно записывали жизнь ребенка от рождения до трех лет, в результате набралось около 200 000 часов аудио- и видеозаписей, отображающих 85% жизни ребенка в периоды бодрствования». Хорошо, для сбора данных это триумф, но определенно без намерения или даже какой-либо вероятности предсказать болезнь. Это не упражнение и не эксперимент без заданной гипотезы. Точно так же есть много новых полномасштабных проектов по геномному секвенированию, которые охватывают 100 000 людей, — например, совместный проект компаний Geisenger-Regenerson и Human Longevity, Inc., государственная программа Великобритании Genomics England и инициатива Института системной биологии. В то время как эти программы несомненно внесут вклад в науку о геноме, зачисленные в эти программы люди не относятся ни к какому определенному фенотипу и не выдвигается никаких реальных гипотез. Просто считается, что это можно сделать, и этим стоит заниматься, и что в этих данных может оказаться что-то такое, что приведет к созданию нового лекарства. Однако, чтобы предсказать болезнь, нужны определенные гипотезы и очень точные цели, об этом мы поговорим ниже. В противном случае нас собьет с толку низкий показатель отношения сигнал/шум, убаюкает мысль о том, что у нас имеется полная картина данных по всей Вселенной, и введут в заблуждение ложные взаимосвязи.

Еще одно важное соображение состоит в том, что мы стараемся предсказать серьезную болезнь, а не биомаркер. Мы не пытаемся говорить, что у кого-то будет высокий уровень холестерина или аномальные показатели работы печени. В целом эти белковые или генные маркеры обманчивы, в медицинской литературе описано множество кандидатур, но лишь немногие из них когда-либо обследовались в клинике. Дело в том, что, хотя результаты анализов могут быть полезны, чтобы помочь предсказать наступление болезни, прежде чем она начнется, этого мало.

Шаг в освоении больших данных для понимания процесса развития болезни предприняли исследователи из Дании, располагавшие информацией за 15 лет по 6,2 млн граждан страны. Они смогли графически представить многие заболевания в виде так называемых траекторий, чтобы показать, как одна болезнь может в конце концов привести к другой, которая, казалось, никак не связана с первой. Это были временные связи без каких-либо установленных причинно-следственных отношений.

Мы же пытаемся предсказывать так, чтобы можно было предотвратить, это главная цель. Если нет оснований для действий, то предсказание становится скорее научным упражнением. Например, много усилий тратится на попытки предсказать, у кого разовьется болезнь Альцгеймера, задолго до того, как начнутся когнитивные нарушения. Бесспорно, это одна из самых важных проблем здравоохранения, которая перед нами стоит, но на сегодняшний день, несмотря на значительные усилия, нет никаких проверенных превентивных стратегий.

Очень важны также время и место предсказания. Я живу в Сан-Диего, где вижу множество любителей серфинга, которые каждый день катаются на волнах в Тихом океане, не думая об акулах. Акулы убивают всего 10 человек в год из 7 млрд жителей планеты, поэтому мы можем сказать, что в среднем риск гибели в результате нападения акулы в Сан-Диего бесконечно мал. Но время от времени опасных акул замечают поблизости от берега. В такие дни редко увидишь кого-то из серфингистов. В том, что касается предсказаний, время и место играют решающую роль.

В предсказании болезней у людей время — это все. Мы можем каждому сказать определенно, что он умрет. Но бессмысленно предрекать: «Вас ожидает смерть, но мы не знаем, через две недели или через два десятка лет». На самом деле это даже хуже, чем бесполезно, потому что, если предсказание правдиво, оно может вызвать у пациента панику из-за отсутствия точного указания времени. Поэтому в попытке предотвратить болезни важны и «кто», и «когда».

Полезная аналогия для успешного медицинского предсказания — это предсказание сбоев в работе реактивных двигателей. Компании, подобные General Electric, ведут постоянное наблюдение за своими самолетными двигателями. Они используют сложные неуправляемые алгоритмы, искусственный интеллект и многоаспектную аналитику для определения предиктивных предвестников вроде тонкой трещинки, потому что требуется нулевая вероятность сбоя, так как во время каждого рейса рискуют сотни пассажиров. Большинство состояний, таких как инфаркт, приступ астмы, инсульт, аутоиммунная атака, подобны авиакатастрофам, только они происходят в человеческом теле. Мы можем использовать те же вычислительные инструменты. Величайшая разница в том, что медицинский мониторинг спасает набитые людьми самолеты, но только по одному «пассажиру» за раз.

Теперь давайте рассмотрим некоторые болезни, которые, не исключено, можно будет предсказать и предупредить в будущем. Начнем с тех, которые можно отслеживать с помощью датчиков, прикрепляемых к телу, потому что они обеспечивают уникальный поток данных в режиме реального времени от людей, находящихся в группе риска, а информативность и предиктивность метода делают его самым лучшим и самым точным ударом по цели. В первую очередь я обращаюсь к проблемам, решаемым с помощью датчиков, носимых на теле, которые, вероятно, скоро будут широкодоступны, а затем перейду к состояниям, которые будут в основном зависеть от датчиков, вводимых в кровоток. Астматические приступы — одна из главных причин смерти и обращений за неотложной помощью при угрозе жизни у детей, и, безусловно, они подрывают здоровье миллионов взрослых. У каждого астматика свои причины, вызывающие спазм дыхательных путей: у одних это загрязнение окружающей среды, у других — холод, физические нагрузки, цветочная пыльца или другие аллергены. Если задолго до первых признаков затруднения дыхания нам удастся улавливать момент, когда дыхательные мышцы начинают менять тонус, то удастся предупреждать приступы. Вероятно, это достижимо при использовании кластера датчиков, носимых для определения качества воздуха, присутствия в нем цветочной пыльцы, анализа использования ингалятора(-ов) и геолокации, анализа дыхания на присутствие и измерение количества окиси азота, а также измерения функции легких с использованием микрофона смартфона или подходящего подключаемого приложения. Поскольку иммунная функция тесно связана с микробиомом кишечника, пробы и анализ этого «ома» тоже заслуживают изучения. Наряду с этим может осуществляться пассивный мониторинг дыхательного ритма, температуры, насыщения крови кислородом, кровяного давления и скорости сердечных сокращений с помощью устройства в часах или браслета на запястье. Теперь приходит время для персонифицированного машинного обучения, чтобы на основании всех данных человека определить предвестники приступа астмы. После того как выявлены закономерности, остается предупредить человека о необходимости принимать дополнительное лекарство, избегать определенных воздействий или предложить еще какую-то комбинацию. Более того, эта информация становится более ценной, когда она получена от тысяч и сотен тысяч больных — у нас никогда не было возможности проводить подобный мониторинг людей «в естественных условиях». Теперь спусковые механизмы и связи неизбежно будут обнаружены. В конечном счете люди, у которых никогда не было приступа астмы, но находящиеся в группе высокого риска, выявленного на основании геномного секвенирования, наследственности и скрининга иммунной системы, могут использовать этот подход, чтобы этого никогда не случилось.

А как насчет депрессии и посттравматического стрессового расстройства (ПТСР)? Возьмем для примера военнослужащего, который вернулся из Афганистана и проходит скрининг на посттравматическое расстройство. Сегодня это делается с помощью вопросов, которые задают человеку, а он дает на них субъективные ответы. Есть много других более объективных способов выявления этого состояния, они включают тон голоса и интонацию, дыхание, выражение лица, пульс и температуру, кожно-гальванический рефлекс, вариабельность сердечного ритма и восстановление нормальной частоты сердцебиения, модели общения, движения и жизнедеятельности, осанку, качество и продолжительность сна и мозговые волны. Этот набор показателей, вероятно, поможет диагностировать склонность к посттравматическому стрессовому расстройству. От депрессии страдают свыше 20 млн американцев, и это заметно влияет на качество жизни и успешность. Если мы узнаем, что ускоряет, а что облегчает депрессию у каждого человека и у большой группы населения, то, вероятно, сможем лучше предотвращать депрессию или, по крайней мере, ее самые тяжелые формы. В случае людей, проходящих лечение, также можно легко отследить соблюдение правил приема препаратов, чтобы определить, является ли это провоцирующим фактором.

То же самое относится к застойной сердечной недостаточности. Теперь у нас есть способы непрерывно, удар за ударом, отслеживать работу сердца, жидкостный статус, качество сна и приступы апноэ одновременно с пульсом, температурой и весом. Смартфон можно использовать для измерения таких показателей, как натрий-уретический пептид головного мозга, и для исследований почек, например определения азота мочевины в крови или креатинина, которые отражают жидкостный статус и силу сердечной мышцы. Выполнение лекарственных назначений можно отслеживать с помощью оцифрованных таблеток. В целом эти данные должны давать сигнал о приближении сердечного приступа, прежде чем человек почувствует, что ему не хватает воздуха. Если выявляется приближение сердечного приступа, есть несколько типов лекарственных препаратов, которые можно использовать для предотвращения прилива крови к легким.

То же самое относится к эпилепсии, которую, как было показано, можно предсказать у некоторых людей при помощи «электродермальных» датчиков в виде браслета путем мониторинга вариабельности сердечного ритма и кожно-гальванического рефлекса. Но если к этому добавить носимый на теле аппарат для ЭКГ, показатели качества сна и мониторинг пульса и температуры, то вполне можно предупредить приступ задолго до его вероятного наступления. И шансы возрастают, когда тысячи людей, страдающих эпилепсией, проходят всеобъемлющий мониторинг.

Университет Онтарио работает над проектом «Артемида» — это инициатива по сбору данных о тысячах недоношенных детей. В случае недоношенных детей есть 25%-ный риск подхватить серьезную инфекцию, и 10% из этих новорожденных умрет, но до сегодняшнего дня было сложно предсказать, кто из младенцев особенно подвержен инфекциям и когда они могут проявиться. С помощью датчиков сердечного ритма был определен важный маркер изменения сердечного ритма. Теперь эти устройства для новорожденных, работающие по всему миру, могут отправлять данные мониторинга сердечного ритма через облачное хранилище данных для поминутного прочтения на базе «Артемиды» для постоянного обновления статистики вероятности. Точно так же существуют способы определить, кто из слабых пожилых людей, вероятно, упадет и когда. Используя различные датчики в полу или то, что получило название «волшебный ковер», удается заметить изменения в походке человека и возросший риск падения. Такие падения представляют собой один из самых серьезных рисков для пожилых людей и часто при-водят к перелому шейки бедра и фатальному исходу. Стратегия обучения машин могла бы особенно пригодиться для предотвращения подобных случаев.

Примеры семи болезней, которые можно предотвратить путем многоаспектного мониторинга как на индивидуальном уровне, так и на популяционном. Д — тип датчика, Т — прикрепляемый к телу, К — введенный в кровоток, ВСР — вариабельность сердечного ритма, ЧСС — восстановление нормальной частоты сердечных сокращений, КГР — кожно-гальванический рефлекс, ОФВ — объем форсированного выдоха за 1 с, ЦО ДНК — циркулирующая опухолевая ДНК, ЦЭ ДНК — циркулирующая эндотелиальная ДНК, ЭЭГ — электроэнцефалограмма (ЭЭГ), NO — окись азота, КТ — компьютерная томография, ЦОК — циркулирующие опухолевые клетки.

Теперь обратимся к заболеваниям, которые, вероятно, потребуют введения датчиков, поскольку нет подходящего способа получить важную информацию или заглянуть внутрь (по крайней мере в настоящее время). Если имплантировать в кровоток крошечный датчик, например, посредством миниатюрного стента, который вводят в вену в области запястья, то можно обеспечить постоянное наблюдение за нашим кровотоком. В случае аутоиммунных болезней, которые включают диабет (тип 1), рассеянный склероз, волчанку, ревматоидный артрит и псориатический артрит, болезнь Крона и язвенный колит, можно осуществлять мониторинг иммунной функции — и так называемых приобретенных и врожденных иммунных путей. На индивидуальном уровне это могло бы быть секвенирование В- и Т-лимфоцитов вместе с аутоантителами (антителами, направленными на самого человека) для определения видов иммунной атаки. После того как это будет сделано у десятков тысяч человек с иммунными расстройствами, мы лучше представим себе характер мониторинга кровотока у тех, кто находится в группе риска, или у тех, у кого уже было диагностировано одно из упомянутых заболеваний. Как и в случае с астмой, вероятно, имеет смысл периодически проводить анализы микробиома, в частности кишечника. Если задолго до появления каких-либо симптомов или какого-либо разрушения ткани типа островковых бета-клеток, нервной ткани или суставов (в случае диабета, рассеянного склероза и ревматоидного артрита соответственно) становится известно, что развивается иммунная атака, есть много различных видов терапии, которые смогут отключить соответствующий участок иммунной системы. Это гораздо более разумный путь профилактики заболеваний по сравнению с принятыми сегодня антикризисными мерами или длительной терапией даже тогда, когда иммунная система неактивна.

Фото обложки: Forbes

Подпишись на Аппарат
Facebook
Вконтакте
E-mail дайджест