Виртуальные биомаркеры

Материал из MachineLearning.

Перейти к: навигация, поиск

Содержание

Статья написана с использованием LLM Gemini и проверена участником Dmitrii Vishovan 01:23, 15 июля 2026 (MSD)


Введение и определение

Виртуальный биомаркер (или суррогатный лабораторный тест) — это предиктивная модель машинного обучения, которая оценивает результат дорогостоящего, длительного или инвазивного медицинского исследования на основе уже доступных, дешевых анализов и исторических данных из Электронной Медицинской Карты (ЭМК) пациента.

В современной системе здравоохранения клинические решения часто опираются на специфические анализы (например, расширенные генетические панели, иммуногистохимия, уровни редких гормонов), которые могут быть недоступны в больницах базового уровня или требовать недель ожидания. Задачей виртуальных биомаркеров является аппроксимация результатов этих тестов «здесь и сейчас» с приемлемой клинической точностью.

Ключевые цели применения:

  • Снижение финансовых затрат: Исключение необходимости проведения дорогих тестов пациентам с очевидно отрицательным прогнозом (стратификация риска).
  • Ускорение диагностики: Получение суррогатного результата в реальном времени (например, в отделении реанимации) до получения реального лабораторного ответа.
  • Минимизация инвазивности: Замена болезненных процедур (например, биопсии) выводами на основе анализа крови и клинической картины.

Математическая постановка задачи

Задача прогнозирования результатов анализов может формулироваться как задача регрессии (предсказание точного количественного значения теста) или задача бинарной классификации (предсказание выхода значения за пределы референсной нормы).

Пусть x_i — пациент. Данные ЭМК представляют собой многомерный временной ряд неравномерных наблюдений:

X_i = \{ (t_1, v_1), (t_2, v_2), \dots, (t_k, v_k) \},

где t_j — время визита или сдачи анализа, а v_j \in \mathbb{R}^d — вектор клинических признаков (дешевые анализы, жизненные показатели, демография).

Требуется построить функцию (модель) f_\theta, параметризованную весами \theta, которая по историческим данным X_i прогнозирует результат целевого дорогостоящего теста y_i в момент времени t_{k+1}:

\hat{y}_i = f_\theta(X_i).

Для задачи классификации (норма/патология) модель оценивает вероятность:

P(y_i = 1 | X_i) = \sigma(f_\theta(X_i)),

где \sigma — сигмоидная функция. Оптимизация параметров \theta происходит путем минимизации выбранной функции потерь (например, среднеквадратичной ошибки для регрессии или кросс-энтропии для классификации).

Специфика медицинских данных (ЭМК)

Прогнозирование по данным ЭМК сопряжено с серьезными алгоритмическими вызовами, требующими особой предобработки:

  • Нерегулярность временных интервалов: Пациенты сдают анализы не по строгому графику. Интервалы \Delta t = t_j - t_{j-1} могут варьироваться от нескольких часов (в реанимации) до нескольких лет.
  • Высокая разреженность (Sparsity) и пропущенные значения: Вектор v_j почти никогда не заполнен полностью. Пропуски могут возникать из-за отсутствия клинической необходимости в тестах, нерегулярных осмотров или проблем с маршрутизацией данных. Это часто приводит к смещенной статистике (bias) и ухудшению производительности моделей, особенно для уязвимых групп пациентов с ограниченным доступом к медицине.
  • Шум и артефакты: Ошибки ручного ввода, калибровки аппаратуры или изменения в методологиях лаборатории с течением времени.
  • Изолированность данных (Data Silos): Медицинские данные строго защищены (HIPAA, GDPR). Для обучения устойчивых моделей все чаще применяется Федеративное обучение (Federated Learning), позволяющее обучать единую нейросеть на данных разных госпиталей без передачи самих ЭМК на центральный сервер.

Методы и алгоритмы

Выбор метода машинного обучения для построения виртуального биомаркера определяется структурой доступных данных ЭМК: являются ли они агрегированными табличными признаками или необработанными многомерными временными рядами с неравномерными интервалами и пропусками. Современные подходы охватывают широкий спектр алгоритмов — от классического градиентного бустинга до передовых архитектур, таких как трансформеры и федеративное обучение.

Модели градиентного бустинга (XGBoost, LightGBM, CatBoost)

В случаях, когда данные предварительно агрегированы — например, вычислены скользящие средние, минимумы, максимумы или взяты последние известные значения за определенный период, — алгоритмы градиентного бустинга на решающих деревьях демонстрируют результаты уровня state-of-the-art для табличных клинических данных.

Эти модели обладают рядом преимуществ: высокой скоростью обучения и вывода, способностью автоматически выявлять нелинейные зависимости, встроенными механизмами оценки важности признаков (feature importance) и естественной обработкой пропущенных значений (особенно в CatBoost). Кроме того, они обеспечивают базовый уровень интерпретируемости, что критически важно в клинической практике.

Практический пример. Модель ADVISE (Automated Dudley Ventilation Infection Series Evaluation), разработанная для раннего выявления физиологического ухудшения, соответствующего развитию вентилятор-ассоциированной пневмонии (ВАП), использует XGBoost-классификатор. Обученная на рутинных данных отделений интенсивной терапии, модель достигла площади под ROC-кривой (AUROC) 0.874, продемонстрировав клинически приемлемый уровень ложных срабатываний (12.6% при чувствительности 80%).

Рекуррентные нейронные сети (RNN, LSTM, GRU)

Для работы с сырыми, неагрегированными временными рядами ЭМК применяются рекуррентные архитектуры, способные запоминать долгосрочные зависимости в последовательностях медицинских событий. Однако стандартные LSTM не учитывают неравномерность временных интервалов между наблюдениями — ключевую особенность реальных клинических данных.

Для решения этой проблемы разработаны специализированные модификации:

  • Time-Aware LSTM (T-LSTM) — в архитектуру встроены механизмы, явно параметризующие временные интервалы \Delta t между визитами, что позволяет модели адаптироваться к нерегулярным наблюдениям.
  • Phased LSTM — добавляет временные «фазы» в работу внутренних гейтов, синхронизируя обновление состояний с реальным клиническим временем.
  • Bidirectional LSTM (Bi-LSTM) — обрабатывает информацию как в прямом, так и в обратном временном направлении, что позволяет учитывать контекст как прошлых, так и будущих событий (например, при ретроспективном анализе).

Эти архитектуры особенно эффективны для прогнозирования лабораторных показателей в динамике, когда важна вся предшествующая траектория пациента, а не только текущее состояние.

Трансформеры для анализа ЭМК: BEHRT, Med-BERT и развитие архитектур

Появление архитектуры Трансформер совершило настоящую революцию не только в работе с текстами, но и в анализе структурированных медицинских данных. Классические рекуррентные сети (RNN) часто «забывают» ранние события в длинной истории болезни пациента. Трансформеры же опираются на механизм внутреннего внимания (Self-Attention). Это позволяет модели напрямую оценивать, насколько тот или иной прошлый диагноз или анализ важен для текущего прогноза, даже если между этими событиями прошли годы. Яркий пример такого подхода — модель BEHRT (BERT for Electronic Health Records). Исследователи предложили элегантную аналогию: давайте рассматривать историю болезни пациента как длинный текст («предложение»), а каждый визит к врачу, назначенный препарат или поставленный диагноз — как отдельное «слово». Чтобы модель понимала контекст происходящего, BEHRT использует сложную систему множественных эмбеддингов (векторных представлений). Она одновременно учитывает саму суть события, порядковый номер визита, возраст пациента на момент постановки диагноза и его позицию в общей временной шкале. Обучившись на данных почти 1.6 миллиона человек, BEHRT смогла предсказывать риск развития 301 различного заболевания на 8.0–10.8% точнее, чем лучшие на тот момент рекуррентные нейросети. Вскоре после BEHRT появилась модель Med-BERT, обученная на других гигантских базах данных (Cerner Health Facts® и Truven Health MarketScan®). Успех этих двух первопроходцев доказал жизнеспособность концепции и породил целое семейство специализированных трансформеров, адаптированных под самые разные клинические задачи:

Модель Источник данных Ключевые особенности архитектуры Основная клиническая задача
Hi-BEHRT База CPRD Иерархическая структура BEHRT для обработки очень длинных историй болезни Прогнозирование вероятности развития заболеваний
ExBEHRT Расширенная версия BEHRT Встроенные алгоритмы интерпретации (пояснения решений модели) Прогнозирование специфических подтипов и скорости прогрессирования болезней
GERBEHRT Немецкие ЭМК (амбулаторные) Адаптация под локальные стандарты с добавлением множества атрибутов к каждому медицинскому концепту Прогнозирование на национальных европейских данных
CEHR-BERT Данные CUIMC-NYP OMOP Внедрение искусственных нейронных сетей (FFN) для лучшего кодирования времени между визитами Оценка рисков смертности, повторных госпитализаций и постановки новых диагнозов
TransMED Данные STARR OMOP Иерархический BERT, заточенный под стационарных больных Оценка длительности пребывания в больнице и риска перевода на ИВЛ

Постепенно парадигма сдвинулась от анализа исключительно табличных данных к мультимодальным моделям (таким как M-BEHRT). Они способны выстраивать целостную картину, объединяя сухие цифры анализов с неструктурированным текстом — например, с текстовыми заметками лечащего врача из дневника наблюдений.

Специализированные архитектуры: фреймворк LIFE для лабораторных анализов

В реальной клинической практике врачи не назначают пациенту абсолютно все возможные анализы — это дорого и бессмысленно. Из-за этого медицинские карты пестрят пропусками. Для прямого прогнозирования и восстановления (импутации) недостающих значений лабораторных показателей был создан фреймворк LIFE (Laboratory Imputation Framework for EHRs). В основе LIFE лежит самообучающаяся (self-supervised learning) архитектура с многоголовым вниманием. Принцип обучения прост, но эффективен: алгоритм искусственно «прячет» часть известных результатов анализов пациента и пытается их предсказать, опираясь на всю доступную историю болезни. Ключевые инновации делают LIFE особенно мощным инструментом: Единое пространство моделирования: Разработчикам больше не нужно обучать десятки отдельных моделей (по одной на каждый анализ крови или мочи). LIFE анализирует и предсказывает все лабораторные показатели совместно, учитывая скрытые физиологические связи между ними. Глубокая клиническая контекстуализация: Алгоритм понимает, что один и тот же уровень глюкозы означает разное для пациента с диабетом на инсулине и для человека без хронических заболеваний. В расчет берутся сопутствующие диагнозы и уже принимаемые лекарства. Высокая масштабируемость: Архитектура легко переваривает реальные, "грязные" данные больниц, содержащие сотни различных типов тестов. В ходе масштабной проверки на данных более чем 1 миллиона онкопациентов LIFE превзошел или показал результаты на уровне лучших существующих методов в 23 из 25 тестов. Более того, качественно восстановленные моделью данные помогли точнее выявлять нежелательные реакции пациентов на тяжелое лечение в 7 из 9 сценариев.

Решение проблемы изолированности данных: Федеративное обучение

Обучение по-настоящему надежных нейросетей требует огромных массивов данных. Однако в медицине информация строго конфиденциальна и защищена строгими законами (такими как HIPAA в США или GDPR в Европе). Больницы физически и юридически не могут просто слить свои базы электронных карт в единый дата-центр. Эту проблему элегантно решает Федеративное обучение (Federated Learning). Его суть в том, что данные пациентов никогда не покидают стен родной клиники. Вместо этого центральный сервер отправляет копию нейросети в каждую больницу, модель обучается на локальных серверах, а обратно передаются только обновленные математические веса (абстрактные параметры, из которых невозможно восстановить личности людей). Сегодня это направление развивается колоссальными темпами: FEST (Federated Semi-Supervised Transfer Learning): алгоритм, который помогает точнее предсказывать генетические риски для малопредставленных групп населения. Поскольку данных по редким популяциям мало, FEST хитро комбинирует размеченные и неразмеченные данные из разных больниц, сглаживая перекосы в статистике путем перевзвешивания плотности распределения. FedRew (Personalized Federated Learning with Hierarchical Reweighting): учитывает, что пациенты в разных госпиталях сильно отличаются (разная демография, локальные протоколы лечения). Этот персонализированный подход адаптируется к особенностям каждой конкретной клиники. На валидации с участием 10 реанимационных центров (база eICU-CRD) модель показала впечатляющую точность (средний AUROC 0.894) в предсказании риска внутрибольничной смертности. FedComDist: еще один вариант персонализированного обучения, который старается извлечь максимум полезной информации из гетерогенных признаков (тех, которые сильно различаются от больницы к больнице). Многочисленные исследования подтверждают, что федеративное обучение заметно повышает универсальность моделей (они лучше работают на новых пациентах). Однако разработчики до сих пор ищут идеальный компромисс: модель должна быть достаточно "глобальной", чтобы использовать суммарный опыт всех клиник, но при этом достаточно "локальной", чтобы учитывать специфику конкретного медицинского учреждения.

Сравнительная характеристика алгоритмов

В арсенале специалистов по медицинскому машинному обучению нет «серебряной пули». Выбор конкретной архитектуры всегда зависит от того, как собраны данные, какова конечная клиническая цель и какими вычислительными мощностями располагает госпиталь. Краткая выжимка плюсов и минусов каждого подхода представлена в таблице:

Семейство методов Оптимальный тип данных Ключевые преимущества Основные ограничения
Градиентный бустинг (XGBoost, CatBoost) Предварительно агрегированные, табличные данные Высочайшая скорость обучения, встроенная интерпретируемость признаков, нативная обработка пропусков Плохо учитывает сложную временную динамику и хронологию событий
Рекуррентные сети (RNN, LSTM) Временные ряды Учет долгосрочных хронологических зависимостей Сильно страдает точность при сильно неравномерных интервалах между визитами врача
Трансформеры (BEHRT, Med-BERT) Длинные последовательности медицинских событий Глубокое понимание контекста (Self-Attention), возможность анализировать всю историю болезни разом Огромные требования к вычислительным ресурсам (GPU) и объемам обучающей выборки
Фреймворк LIFE Лабораторные панели и анализы Способность предсказывать десятки различных анализов одной моделью с учетом диагнозов Узкая специализация (заточена преимущественно под лабораторную диагностику)
Федеративное обучение Распределенные базы разных клиник (изолированные ЭМК) Гарантия приватности пациентов, возможность легально использовать опыт сотен больниц Техническая сложность настройки сетей, чувствительность к разнице в стандартах данных между госпиталями

Метрики оценки качества

Помимо стандартных метрик ML (ROC-AUC, RMSE), в медицине критически важно оценивать клиническую и экономическую полезность:

  • Клиническая полезность (Net Benefit): Рассчитывается методом Decision Curve Analysis (DCA). Оценивается чистая выгода: польза от правильного выявления патологии за вычетом вреда от ложноположительного назначения дорогого инвазивного теста.
  • Чувствительность при фиксированной специфичности: В медицине часто требуется минимизировать риск пропуска больного (False Negative). Метрика оценивает полноту (Recall) при условии, что специфичность не падает ниже заданного уровня (например, 95%).
  • Метрики дисбаланса: Для моделей, выявляющих редкие заболевания, базовый ROC-AUC может быть обманчив. Критически важными становятся метрика AUPRC (Area Under the Precision-Recall Curve) и строгая калибровка вероятностей (оценивается через Brier score).
  • Фармакоэкономическая эффективность: Анализ "затраты-эффективность" (Cost-Effectiveness Analysis, CEA), показывающий, сколько средств клиника экономит при внедрении ИИ на каждую 1000 пациентов по сравнению со сплошным лабораторным скринингом.

Примеры практического применения

  1. Прогноз уровня ферритина и тропонина: Дорогой и медленный тест на тропонин (маркер инфаркта) может быть спрогнозирован на основе доступных данных ЭКГ и базовой биохимии крови. Обзорные исследования по ИИ-ЭКГ выделяют 4 компонента для таких биомаркеров: многомерный вход, эталонная разметка, объем данных и вычислительные ресурсы.
  2. Суррогатный скрининг на гепатиты и фиброз печени: Анализ дешевых показателей печеночных проб (АЛТ, АСТ, билирубин) выявляет группы высокого риска для ПЦР-тестов. В гепатологии цифровые биомаркеры уже превосходят традиционные клинические шкалы (такие как FIB-4 или MELD) по прогностической точности.
  3. Прогнозирование газового состава крови (ABG): Артериальный забор крови болезненен и сложен. Нейросети аппроксимируют уровни PaCO_2 и PaO_2 по пульсоксиметрии и частоте дыхания.
  4. Виртуальная пространственная протеомика: Модели на основе фундаментального ИИ в патоморфологии (например, модель HEX) предсказывают пространственные протеомные профили экспрессии белков непосредственно из дешевых стандартных гистологических стекол (H&E).
  5. Виртуальная клиника узлов (Virtual Nodule Clinic): Программное обеспечение, которое анализирует историю легочных узелков и помогает маршрутизировать пациентов, снижая количество ненужных инвазивных бронхоскопий.

Ограничения и этика

  • Опасность ложноотрицательных результатов: Виртуальный биомаркер не обладает 100% точностью. Пропуск пациента, которому действительно требовался дорогой тест, может стоить жизни. Модели применяются как инструмент пре-скрининга.
  • Проблема сдвига распределения (Data Drift): Изменение реагентов в лаборатории или смена протоколов лечения приводят к тому, что историческая модель начинает выдавать системную ошибку. Необходим непрерывный мониторинг.
  • Интерпретируемость (XAI): Использование методов SHAP или LIME обязательно для демонстрации врачу того, какие именно предыдущие анализы повлияли на суррогатный прогноз.
  • Мультицентровая валидация: Модель, отлично работающая в одной клинике, может провалиться в другой из-за специфики локальных данных. Для обеспечения надежности требуются строгие кросс-госпитальные исследования и создание глобальных дата-регистров.

Литература

  • Shickel B. et al. Deep EHR: A Survey of Recent Advances in Deep Learning Techniques for Electronic Health Record (EHR) Analysis // IEEE Journal of Biomedical and Health Informatics. — 2018. — Т. 22. — № 5.
  • Li Y. et al. BEHRT: Transformer for Electronic Health Records // Scientific Reports. — 2020.
  • Rajkomar A. et al. Scalable and accurate deep learning with electronic health records // npj Digital Medicine. — 2018. — Т. 1.
  • Vickers A. J., Elkin E. B. Decision curve analysis: a novel method for evaluating prediction models // Medical Decision Making. — 2006.
  • Heilbroner S.P. et al. A self-supervised framework for laboratory data imputation in electronic health records // Communications Medicine. — 2025. — Т. 5. — № 251.
  • Lee H.S. et al. Artificial Intelligence-Enabled Electrocardiography in Practice: A State-of-the-Art Review // Korean Circulation Journal. — 2026. — Т. 56. — № 3. — С. 199-215.
  • Mehrotra P. et al. Artificial Intelligence and Digital Biomarkers in Hepatology: Critical Perspectives, Emerging Evidence, and Future Directions // Cureus. — 2025. — Т. 17. — № 9.
  • ADVISE Study Group ADVISE: A Machine Learning Framework for Early Recognition of a Surrogate Marker for Ventilator-Associated Pneumonia Using Routinely Collected Critical Care Data // medRxiv. — 2026.

См. также

Источник — «http://www.machinelearning.ru/wiki/index.php?title=%D0%92%D0%B8%D1%80%D1%82%D1%83%D0%B0%D0%BB%D1%8C%D0%BD%D1%8B%D0%B5_%D0%B1%D0%B8%D0%BE%D0%BC%D0%B0%D1%80%D0%BA%D0%B5%D1%80%D1%8B»