Электронный нос: российские ученые научились различать легочные болезни по выдоху
Ученые в России разработали алгоритм, который по выдоху пациента различает заболевания легких. Технология пока находится на стадии научного исследования, но в перспективе может использоваться для быстрого скрининга.
Специалисты Сеченовского университета разработали модель машинного обучения, которая различает четыре серьезных заболевания легких по одному лишь выдоху. Бронхиальная астма, хроническая обструктивная болезнь легких (ХОБЛ), муковисцидоз и лимфангиолейомиоматоз (ЛАМ) – у каждого из этих диагнозов существует свой химический «отпечаток» в составе выдыхаемого воздуха. Алгоритм обучен распознавать его и отличать одно заболевание от другого. Технология пока на стадии научного исследования, но перспективы у нее серьезные и многообещающие.
Как это работает
Исследователи проанализировали образцы выдыхаемого воздуха 843 человек, среди которых были пациенты с четырьмя заболеваниями и здоровые добровольцы. Их попросили подышать в аппарат.
Состав выдоха изучали с помощью протонной масс-спектрометрии высокого разрешения. Этот метод позволяет регистрировать летучие органические соединения в режиме реального времени. Затем полученные данные обрабатывались алгоритмами машинного обучения.
Модель анализировала не отдельные соединения, а их характерные сочетания. И оказалось, что у каждого заболевания есть свой индивидуальный химический профиль. Наиболее высокой точности система достигла при выявлении муковисцидоза, но в целом алгоритм успешно различал все четыре болезни.
Почему это важно
Болезни легких действительно очень опасны, и не только потому, что нарушают процесс дыхания и снабжения организма кислородом. Проблема в том, что они запускают цепочку осложнений, которые затрагивают весь организм. На ранних стадиях легочные недуги часто слабо выражены или отсутствуют вовсе. Человек может долго не обращать внимания на кашель или одышку, списывая их на усталость или возраст.
Традиционная диагностика требует сложных и дорогих исследований: спирометрии, бронхоскопии, КТ. Что касается анализа выдоха, разработанного в Семеновском университете, то это метод неинвазивный, быстрый и совершенно безболезненный. Он не требует специальной подготовки пациента и может проводиться в любых условиях, хоть в стационаре, хоть в районной поликлинике.
Что это дает пациентам
Работа Сеченовского университета – это далеко не первый шаг в этой области, но один из самых масштабных. В 2021 году исследователи из Нидерландов представили систему eNose, которая анализировала выдох после пересадки легких.
В 2023–2024 годах в России разрабатывали портативный «электронный нос» для выявления туберкулеза. Однако те проекты были либо узкоспециализированными, либо показывали ограниченную точность.
Главное же отличие нового исследования – это, безусловно, масштаб. В проекте участвовали 843 пациента с четырьмя заболеваниями. Это уже серьезная научная база для будущих клинических внедрений.
Ранняя диагностика – это шанс замедлить р болезни. Если человек с ХОБЛ или астмой получит лечение на ранней стадии, он сможет сохранить качество жизни на годы дольше. Для пациентов с муковисцидозом, редким генетическим заболеванием, каждый месяц правильной терапии продлевает жизнь и сохраняет ее качество.
Технология может стать инструментом первичного скрининга в поликлиниках. Например, пациент пришел с жалобами на кашель, сделал выдох в анализатор, и уже через несколько минут получил предварительный результат.
С пользой для врачей и здоровья
Для врача такой аппарат – объективный инструмент, который помогает не пропустить опасное заболевание на ранней стадии. Для системы здравоохранения это возможность разгрузить узких специалистов. Вместо того чтобы направлять всех с кашлем к пульмонологу, можно сначала провести быстрый скрининг и отсеять тех, у кого нет серьезной патологии.
Так что разработка Сеченовского университета – яркий пример того, как российская наука работает на стыке медицины и IT. Россия сегодня не покупает готовые решения, а создает свои, с учетом особенностей собственной системы здравоохранения.
Авторы проекта намерены расширять исследование: увеличить клиническую выборку, проверить алгоритм в разных медицинских учреждениях, оценить влияние возраста, курения, питания и сопутствующих заболеваний на точность диагностики. В дальнейшем планируется создание аналогичных алгоритмов для сердечно-сосудистых, эндокринных заболеваний и некоторых видов рака.
