Определяйте свой возраст по анализу крови с помощью нейронных сетей

Comp analiz

 

Группа ученых из США и России, в которую вошел аспирант, сотрудник кафедры информационных систем Университета ИТМО (Санкт-Петербург) Евгений Путин, обучила глубокие нейронные сети определять возраст человека по анализу крови. На основе разработанного алгоритма создан веб-сервис Aging.ai. Он позволяет самостоятельно узнать свой возраст, введя результаты биохимического теста. Возможно, в дальнейшем будет добавлена функция отслеживания состояния организма, которая сделает мониторинг здоровья более наглядным и увлекательным. Результаты исследования опубликованы в журнале Aging.

Кровь может многое рассказать о человеке, его образе жизни, питании, даже о характере. Биохимический анализ крови может помочь обнаружить проблему прежде, чем она станет патологией. Анализ биомедицинских данных - именно та область, в которой алгоритмы машинного обучения сейчас применяются особенно активно.

Веб-сервис Aging.ai - это побочный продукт масштабного научного исследования процессов старения, призванный наглядно показать общественности, насколько важно регулярно сдавать анализ крови.

« У нашей работы две цели,  - рассказывает главный разработчик системы машинного обучения, сотрудник Международной научной лаборатории "Компьютерные технологии" Университета ИТМО Евгений Путин, -  Во-первых, это превращение процесса сдачи анализа крови в своего рода игру. Если это будет востребовано, в перспективе мы бы хотели добавить в сервис дополнительный функционал, чтобы каждый человек мог легко отслеживать изменения биохимических параметров. Во-вторых, это демонстрация того, что по самому простому и распространенному типу лабораторных тестов, биохимии, можно успешно предсказывать человеческий возраст. Это еще на один шаг приближает нас к персонализированной медицине будущего».

 

immortal

 

Курс на персонализацию медицина взяла сравнительно недавно, но в контексте бурного развития генной инженерии это направление очень актуально. Более того, мы всё больше уходим в сторону упредительной терапии, основанной на предсказании и заблаговременном предотвращении заболеваний.

Исследуя механизмы старения, ученые планируют расширить область обучения нейронных сетей. Сами по себе биохимические маркеры не дают информации о потенциальных заболеваниях, но в купе с эпигенетическими, транскриптомными, биометрическими данными способны стать основой доступных «умных» приложений, которые, как будильник, будут предупреждать о развитии патологий, болезней и вовремя подсказывать нам, на что следует обратить внимание.

Результаты работы нейросетей по выделению маркеров старения могут дать фармацевтическим кампаниям информацию о том, в каком направлении двигаться, чтобы создать препараты для замедления процесса старения.

« Сейчас нет четкого объяснения, почему мы стареем,  - говорит Евгений Путин. -  Существует мнение, что старение - это болезнь. Ученые находят множество подтверждений тому, что мы можем жить гораздо дольше».

 

age

 

Глубокое машинное обучение позволит разрабатывать более эффективные лекарства и в разы сократить сроки их создания, поскольку многие экспериментальные стадии можно будет проработать с использованием математического моделирования. Сейчас же синтез и испытания лекарств в среднем занимают 10-20 лет.

Год назад появился веб-сервис для предсказания возраста по фото How-Old.net. Как раз он и вдохновил ученых на создание новой системы: оба подхода имеют один и тот же математический аппарат.

«Биохимический тест содержит в себе гораздо меньше информации о возрасте человека в отличие от портретных фотографий, ведь уже сейчас есть технологии определения эмоций, морщинок, фонем по движению губ, не говоря уже о поле и возрасте. Поэтому мы считаем большим успехом высокую точность полученных нами результатов. Она обеспечена главным образом тем, что мы использовали глубокие нейронные сети, которые в данной задаче оказались более эффективны по сравнению с другими алгоритмами машинного обучения»,  - отмечает разработчик .

Обрабатывая результаты тестов крови, ученые выделили пять наиболее значимых биологических маркеров: альбумин, глюкозу, мочевину, алкаин и эритроциты. В веб-сервисе представлено больше - десять. При таком количестве биомаркеров нейронные сети определяют возраст с точностью 70%. Увеличив количество параметров до 41, исследователи достигли 83,5% точности.

Ученые независимо обучили 21 нейронную сеть с различной топологической структурой, а затем объединили их в одну общую модель. Исследователи показали, что такое количество сетей полностью обеспечивает имеющуюся точность, и увеличить ее можно только за счет расширения объема данных или количества параметров.

 

112570 rel

 

Исследования инициированы компанией Insilico Medicine (Университет Джона Хопкинса, Балтимор, США). Это ведущая компания в области разработки искусственного интеллекта для решения задач, связанных со старением. Ее цель - увеличить продолжительность жизни человека.

Данные лабораторных анализов для обучения нейронных сетей были предоставлены крупнейшей независимой диагностической лабораторией в Восточной Европе ИНВИТРО. Так, на обучение нейросетей потребовалось 56 тысяч образцов и еще 6 200 - на тестирование.

Сотрудники Лаборатории компьютерных технологий Университета ИТМО вовлечены в международное сотрудничество как в области искусственного интеллекта, так и биоинформатики. Для повышения профессионализма студентов и аспирантов на базе лаборатории создан кружок по машинному обучению, в рамках которого регулярно проводятся мастер-классы и тренировки по решению прикладных задач с Kaggle.

 

Дополнение от Сверхчеловечество.рф:

Внимание: если сдавать все анализы по данному тесту в компании Инвитро, возникает сложность с нейтрофилами и моноцитами, так как Инвитро выдает результат в тыс/мкл, а вводить в aging.ai нужно в %. Это важно для того, чтобы не сдавать анализ 2 раза. Можно попробовать предупредить об этом в Инвитро, чтобы результаты сразу предоставляли в %.

В Инвитро такой анализ стоит около 4 тысяч рублей.

Данный тест интересно было бы использовать для тестирования терапий, улучшения состояния своего здоровья и, возможно, омоложения. Каким образом:

1. Сдаёте полный анализ.

2. Выявляете проблемные места своего организма. Отклонения от нормы будут указаны в результатах.

3. Проводите курс терапий (изменение диеты, образа жизни приём препаратов и т.д.). Перед этим проконсультируйтесь с квалифицированными специалистами для подбора оптимального лечения.

4. Проводите повторный полный анализ всех показателей и сравниваете показатели. В карточке Инвитро будет график изменений показателей крови, по сравнению с предыдущими.

5. Полную проверку лучше проводить несколько раз, чтобы погрешность была не высокой. После нескольких полных проверок, можно будет не измерять некоторые положительные, не меняющиеся показатели, для удешевления процедуры.

 Если вы что-то хотите уточнить по анализу, напишите вопрос здесь.

Алексей Москалев, как соавтор работы, для более эффективного сбивания возраста порекомендовал улучшать такие показатели: альбумин, глюкозу, щелочную фосфатазу, мочевину и эритроциты которые отражают старение органов дыхания, почек, печени и обмена веществ.

 

Помимо анализа крови, существует немало способов диагностики организма, в зависимости от задач, средств, информативности и других факторов. О наиболее важных для вас способах читайте здесь: КОНТРОЛЬ И ДИАГНОСТИКА ОРГАНИЗМА

Статья: «Deep biomarkers of human aging: Application of deep neural networks to biomarker development», Evgeny Putin et al.  Aging , May 18, 2016.

Тамара Беседина, Отдел по научным коммуникациям Университета ИТМО moscowuniversityclub.ru

Список компонентов крови для анализа.

Гамма-глобулины
Триглицериды
хлор
Холестерин HDL
LDL холестерина (по Фридевальд)
кальций
калий
натрий
Железо
гемоглобин

МЧ
МСНС
MCV
Тромбоциты
Лейкоциты
ALT
АСТ
Базофилы
Эозинофилы
Моноциты
Нейтрофилы

  

 

Читайте также: БИОМАРКЕРЫ СТАРЕНИЯ

 

Читайте ещё: ДИАГНОСТИКА ОРГАНИЗМА ДЛЯ ПРЕДУПРЕЖДЕНИЯ СТАРЕНИЯ

 

Самое интересное: ИНСТРУКЦИЯ БЕССМЕРТИЯ

 

 

 

Image

Оцифровка пользователя, Моделирование, 3D-визуализация.

Создание подробной цифровой копии на основе данных из медкарты.

Анализ данных. Исправление показателей организма.

Image

Взаимодействие цифровых профилей с целью улучшения показателей.

Обмен знаниями, проведение общих исследований.

Загрузка личного аватара в 3D мир. Игрификация, соревнования.

Image

В разработке

  • Официальная страница о медицинских чат-ботах на сайте Сверхчеловечество.рф
  • Подробности разработки чат-бота для проекта "Карта управления возрастом" (для партнеров и разработчиков) здесь:
Image

Обзор мировых разработок по хранению данных в разработке

Хранилище данных для Электронной Медицинской Карты Управления Возрастом в разработке

Материалы по теме:

Image

Основное взаимодействие планируется производить посредством Социальной сети:

Также существует множество специализированных телемедицинских сервисов:

Image

Данный раздел находится в разработке и будет доступен после запуска Электронной медицинской Карты Управления Возрастом:

Image

Основной материал сайта по теме искусственного интеллекта в медицине здесь:

На основе данной статьи будет определяться разработчик искусственного интеллекта для данной системы управления возрастом.

Image

ВАШ ЛИЧНЫЙ ВКЛАД В БОРЬБУ СО СТАРЕНИЕМ

Скооперируйтесь с тысячами других участников и создайте любой проект в области антистарения, проведите научные исспедования

Площадка для создания и финансирования проектов. Официальная страница сайта Сверхчеловечество.рф для сбора средств на ускорение прогресса в области омоложения:

Image
Image

Основная страница сайта Сверхчеловечество.рф о создании и участии в клинических испытаниях терапий антистарения и отката возраста организма здесь: