В первых сценах научно-фантастического триллера Гаттака, как только рождается наш обреченный главный герой Винсент Фриман, мы слышим ледяное изложение его жизненного пути: «Неврологическое заболевание — вероятность 60 %, маниакальное состояние. депрессия — вероятность 42%, синдром дефицита внимания — вероятность 89%, расстройство сердца — вероятность 99%. Ранний фатальный потенциал, продолжительность жизни — 30,2 года».

Возможно,к счастью,мы еще не достигли такого уровня точности прогнозирования. Но медицинская прогностика развивается стремительными темпами.

Прогностика – это искусство и наука прогнозирования течения болезни.

В медицине точное прогнозирование течения болезни часто так же важно, как постановка диагноза или разработка плана лечения.

Для пациентов предупреждение о поворотах, которые может принять их здоровье, дает некоторую степень контроля и облегчение от боли неопределенности. Для врачей прогнозы влияют на наши планы лечения и помогают нам лучше распределять ограниченные ресурсы (эта идея была лучше всего выражена Гиппократом, отцом медицины: «И лучше всего справится с лечением тот, кто предвидел, что должно произойти, исходя из настоящего положения вещей. »)

Так как же врачи предсказывают будущее?

Врачи делают прогнозы в общих чертах. Мы в общих чертах понимали типичное течение болезни или общие последствия лечения и ожидаем, что наши пациенты последуют их примеру.

Например, можно ожидать, что пациент с мультиформной глиобластомой (GBM), особенно коварной опухолью головного мозга, проживет четырнадцать месяцев. То есть в среднем, как долго выжили другие пациенты с глиобластомой.

Этот подход, как известно, неточен.

Во-первых, пациенты и их болезни бесконечно разнообразны; никогда не бывает двух одинаковых случаев. Таким образом, прогнозы, основанные на «средних исходах», почти по определению неточны для большей части пациентов.

Во-вторых, прогнозирование в большей степени, чем какой-либо другой аспект медицинской помощи, зависит от личных склонностей и характера врача. «Врачей, как и других людей, часто можно отнести либо к оптимистам, либо к пессимистам». писал д-р Джордж Док, один из первых профессоров медицины в Соединенных Штатах: «Но практику прогнозирования следует культивировать так же объективно, как и любую другую часть медицины».

Возможно, больше всего ограничивает тот факт, что медицинские результаты формируются множеством факторов, многие из которых неизвестны, непредсказуемы и взаимозависимы.

Совсем недавно простые системы оценки, такие как Паллиативная шкала эффективности, в которой пациентов оценивают по набору простых критериев (например, способность заботиться о себе), использовались для обеспечения определенной степени порядка в процессе прогнозирования. Тем не менее, они страдают от многих из тех же ограничений и на практике добились скромного успеха.

Какая тогда альтернатива?

В последние годы появились новые подходы к медицинскому прогнозированию. Инструменты, заимствованные из областей машинного обучения и искусственного интеллекта, позволяют беспрецедентно предвидеть течение болезни.

Одним из таких инструментов является Прогнозная аналитика, концептуально простой метод прогнозирования будущих событий.

В нем компьютеры используются для поиска в исторических записях закономерностей, предшествующих данному событию. Распознавание этих закономерностей в будущем предполагает, что событие будет повторяться.

Например, в ходе мероприятия, получившего название Прогнозирующая полиция, полицейское управление Санта-Крус использовало прогностическую аналитику, чтобы сократить количество краж имущества на 20 %. Проанализировав тысячи исторических полицейских записей, департамент определил общие закономерности городской преступности и смог направить сотрудников в нужное место до того, как были совершены кражи.

Значение для медицинской прогностики очевидно.

Используя компьютеры для просмотра тысяч записей о пациентах, можно найти закономерности, которые предсказывают данное клиническое событие, например сердечный приступ. Распознавание этих паттернов у будущих пациентов может помочь нам предвидеть и, надеюсь, предотвратить такое событие.

Именно это и сделали исследователи отделения хирургии Медицинской школы Университета Луисвилля. Команда использовала прогностические алгоритмы для сканирования тысячзаписей о пациентах с меланомой, агрессивной формой рака кожи, и выявления признаков, предсказывающих выживаемость. Они использовали эти результаты для создания Калькулятора меланомы (http://melanomacalculator.com/), инструмента, который рассчитывает вероятность 5-летней выживаемости для любого конкретного пациента.

Ученые использовали прогностическую аналитику в Исследовательском центре рассеянного склероза (РС) Сильвии Лоури для выявления пациентов с риском осложнений заболевания. Сравнивая новых пациентов с рассеянным склерозом с базой данных более тысячи предыдущих пациентов, они смогли предоставить индивидуальные прогнозы, гораздо более актуальные и точные, чем это было возможно ранее.

Эти примеры демонстрируют, как предиктивная аналитика устраняет недостатки традиционной прогностики. Индивидуальные особенности пациента учитываются напрямую, расположение врача не имеет значения, поскольку процесс автоматизирован, а множество релевантных факторов определяется с помощью вычислений.

Сегодня эти инструменты далеки от совершенства. Во-первых, они полагаются на наличие больших и надежных наборов данных. Они часто недоступны, особенно для заболеваний, которые редки или трудно диагностируются. Более того, алгоритмы требуют, чтобы информация о пациенте была организована в структурированную и вычислимую форму. В настоящее время подавляющее большинство такой информации скрыто глубоко в небрежно организованных врачебных заметках. Наконец, сами алгоритмы несовершенны и имеют технические недостатки, ограничивающие их точность и надежность.

Несмотря на эти проблемы, машинное обучение способно изменить медицинскую прогностику, а вместе с ней и решения, которые принимают пациенты и врачи.

Может пройти какое-то время, прежде чем в родильном зале можно будет раздавать пожизненные прогнозы. Но сцена Gattacan ближе к реальности, чем мы могли бы подумать.

Эта статья была написана в 2012 году.

Мутаз Муса, доктор медицинских наук, магистр делового администрирования, магистр делового администрирования – врач, консультант по вопросам здравоохранения и разработчик, проживающий в Нью-Йорке.