Data Science в медицине: кто, как и зачем обрабатывает данные

Несмотря на то, что с методологической точки зрения ИТ и медицина достаточно далеки друг от друга, именно биология и медицинские исследования двигали анализ данных и применение различных аналитических моделей вперед. Сегодня даже в медицинских институтах, на курсах медицинской статистики, изучаются основы Data Science. И хотя эти методы в медвузах называются иначе, врачам достаточно трудно их применять — сказывается отсутствие опыта в программировании. Умение программировать — первое, что требуется от специалиста в данной области. Необходимо разбираться в современных алгоритмах анализа данных — в нейронных сетях. Причем не просто теоретически понимать, как работает алгоритм, — для этого нужно неплохо владеть высшей математикой и уметь эти алгоритмы использовать на реальных медицинских данных. Это, в свою очередь, требует от специалиста знаний специальных инструментов Data Science — библиотек Python и методов предобработки данных.

Как коронавирус стал катализатором для Data Science в медицине

На сегодняшний день есть два ключевых направления прикладного применения Data Science в медицине — здравоохранение и фармацевтика. В первое направление входят задачи диагностики, оптимизация работы клиник и врачей, подбор лекарств и лечения на основе диагноза. Решения, которые применяются в каждой из этих глобальных задач, базируются на основе алгоритмах анализа данных и машинного обучения. В разработке лекарств активно используются накопленные медицинские данные. Речь идет как о применении в поиске действующих веществ, так и о тестировании препаратов на животных и людях.

Особую роль в развитии технологий Data Science сыграла пандемия коронавируса. Резко возросла потребность в предсказательных моделях, которые могли бы дать более точные данные о будущем распространении коронавируса: предсказать количество госпитализаций, влияние тех или иных ограничительных мер и вакцинации на COVID-19. И если в классической эпидемиологии подобные предсказания основываются на относительно простых эпидемиологических моделях, то в реальности эти модели показали себя крайне плохо, тогда как современные методы Data Science способны их заменить и повысить точность прогнозов.

Основные направления применения Data Science в медицине во время пандемии остались прежними, но объем данных и ожидаемое время на решение задачи существенно изменились. Например, задача диагностики заболевания по КТ легких уже давно изучена, на рынке присутствует достаточное количество рабочих решений. Но благодаря глобальности пандемии, постоянному обмену данными и их доступности задача автоматической диагностики COVID-19 по КТ была решена в кратчайшие сроки. То же относится и к предсказанию тяжести исхода заболевания, это могло бы помочь для прогнозирования количества свободных мест в больницах. Для решения этой задачи в нескольких странах параллельно собирается и анализируется гигантский объем данных. Но специфика медицины такова, что внедрение новых решений на практически невозможно. Как и в случае с вакцинами, требуется тщательная проверка любой модели прежде, чем от нее будут зависеть врачебные решения.

Какие базовые знания необходимы для работы в Data Science:

• Высшая математика: линейная алгебра, математический анализ, статистика.
• Принципы работы методов машинного обучения.

Как Data Science помогает в борьбе с раком, болезнью Альцгеймера и в поиске новых лекарств

Остановимся на различных направлениях применения Data Science в медицине. Одно из самых перспективных — диагностика онкологических заболеваний. Сегодня дата-сайентисты используют целый спектр алгоритмов для разработки решений в этой области: выбор за конкретным методом зависит от поставленной задачи, данных, которые имеются, и их объема. К примеру, можно делать диагностику по изображениям опухоли — в этом случае специалисты Data Science скорее всего будут использовать нейронные сети. Для диагностики по результатам анализов будет выбран один из методов машинного обучения, лучше других подходящий для конкретной задачи. Также существуют специфические алгоритмы, используемые, например, для анализа данных ДНК, полученных от единичных клеток. Такие данные чаще всего анализируются с помощью алгоритмов на графах. Но это скорее исключение из правил.

Кроме того, есть несколько методов, применяемых для улучшения изображений и повышения точности результата. Платформы больших данных (такие, как Hadoop) применяют, например, MapReduce для поиска параметров, которые можно использовать в различных задачах. Для тех, кто собирается разработать свой продукт в этой сфере, или просто энтузиастов есть несколько открытых наборов данных визуализации мозга: BrainWeb, IXI Dataset, fastMRI и OASIS.

Еще один кейс — это моделирование органов человека, одна из сложнейших технических задач. Причем при разработке того или иного решения специалист должен точно понимать, для чего и на каком уровне сложности моделируется орган. Например, можно сделать модель определенной опухоли на уровне экспрессии генов и сигнальных путей. Сегодня решением таких задач занимается компания Insilico Medicine. Этот подход используется для поиска мишени терапии, в том числе методами Data Science. Подобные модели в основном применяются для научных исследований, до практического применения им пока что еще далеко.

Анализ последовательности генов — целое направление медицины, развитие которого просто невозможно без Data Science. Если в Data Science крайне важен навык программирования на Python, то при работе с генами также необходимы знание языка программирования R и специфические инструменты биоинформатики — программы для работы с последовательностями ДНК и белков. Большинство таких программ работают на операционной системе Unix и не очень «дружелюбны» к пользователям. Чтобы их освоить, нужно как минимум понимать основы молекулярной биологии и генетики. К сожалению, даже в медицинских вузах с этим сегодня большие проблемы, и большинство врачей на самом деле плохо представляют, как устроены последовательности генов. В России этим направлением занимаются две компании — «Атлас» и «Генотек». Популярным в настоящее время является и анализ на мутации отдельных генов. Большинство крупных компаний, которые занимаются медицинскими анализами, предоставляют такие услуги. Пациенты, например, могут выяснить, нет ли у них предрасположенности к раку груди в тех же генах, что у Анджелины Джоли. Эта сфера характеризуется дефицитом кадров, так как существует всего несколько мест, где можно получить соответствующее образование. К тому же многие либо остаются работать в науке, либо уезжают за границу. Русскоязычных онлайн-ресурсов, где можно научиться подобному анализу, достаточно мало. Обычно они рассчитаны на врачей или биологов и обучают только программированию и основам работы с данными. Для того чтобы получить более практико-ориентированное образование с выходом в эту область, можно окончить курс на Факультете Data Science в медицине в GeekBrains.

Сегодня на рынке существует несколько инструментов для анализа данных в этой области: MapReduce, SQL, Galaxy, Bioconductor. MapReduce обрабатывает генетические данные и сокращает время, необходимое для обработки генетических последовательностей.

SQL — это язык реляционных баз данных, который мы используем для выполнения запросов и извлечения данных из геномных баз данных. Galaxy — приложение для биомедицинских исследований с открытым исходным кодом, основанное на графическом интерфейсе. Оно позволяет выполнять различные операции с геномами.

И, наконец, Bioconductor — это программное обеспечение с открытым исходным кодом, разработанное для анализа геномных данных.

Важное коммерческое и одновременно исследовательское направление — создание лекарственных препаратов нового поколения. Специалисты фармы используют машинное обучение для поиска мишени терапии и биомаркеров. Ни первое, ни второе, конечно, ещё не сами лекарства. Мишени — это молекулы в организме, с которыми лекарство взаимодействует, а биомаркеры — молекулы, сообщающие врачу о том, кому следует применять лекарство. Поэтому практически все компании, которые разрабатывают лекарства от болезней с неизвестными мишенями и биомаркерами — Novartis, Merck, Roche и российский BIOCAD — используют машинное обучение. Это, в первую очередь, онкологические и аутоиммунные заболевания, болезнь Альцгеймера. Сюда же можно отнести поиск новых антибиотиков.

Почему врачи не способствуют внедрению Data Science

Последние годы показали, что Data Science является двигателем индустрии прогностических и аналитических моделей в медицине, например, в применении нейронных сетей для определения пространственной структуры белков. Но пандемия вскрыла во многих странах глобальную проблему, связанную с оптимизацией ресурсов клиник и недостатком персонала. За последний год появилось множество компаний, предлагающих решать эти проблемы с помощью Data Science. Использование данных стало большим прорывом и для частных клиник, поскольку делает медицинские услуги дешевле. На фоне пандемии также вырос спрос на услуги телемедицины, в которых широко применяются алгоритмы машинного обучения. Сервисы телемедицины востребованы для предварительной постановки диагноза, работы с анализами и создания чат-ботов.

С точки зрения технологических ограничений применение компьютерного зрения и машинного обучения практически не имеет препятствий. Более глубокое внедрение алгоритмов и сервисов упирается в желание клиник и врачей применять методы Data Science. Также остро ощущается нехватка данных для обучения, причем это вопрос не только к коммерческим медицинским учреждениям, но и к государству: правительствам следует демократизировать доступ к данным бюджетных больниц, чтобы компании-разработчики могли создавать современные продукты.

Обучение даже одной программы требует много качественных данных. Для того чтобы научиться различать опухоль в кадре, программе необходимы тысячи вручную проанализированных снимков пациентов, причём к анализу следует привлекать опытных врачей.

Врач должен сначала найти опухоль, а потом показать, где она находится. Как вы понимаете, у опытных врачей есть много других дел. Но пандемия, как ни странно, помогла некоторым областям. Так, например, DiagnoCat, российский стартап, применяющий компьютерное зрение для анализа снимков в стоматологии, во время локдауна смог привлечь незанятых врачей для анализа снимков. Что касается нежелания клиник и врачей, то врачи попросту не доверяют подобным технологиям. Хороший врач наверняка найдет такой случай, когда программа поставит неверный диагноз, неопытный врач испугается, что программа сделает все лучше его. В итоге всегда можно оправдаться заботой о пациенте и юридическими аспектами.

Синергия Data Science и медицинских технологий уже позволила совершить скачок в разработке решений для диагностики онкологических, аутоиммунных и нейродегенеративных заболеваний. Сервисы, работающие на основе анализа данных и машинного обучения, способны прогнозировать распространение вирусов и искать лекарства новых поколений. Несмотря на то, что классическое медицинское образование отстает от вызовов, которые стоят сегодня перед индустрией, стать современным специалистом, работающим на стыке двух научных направлений — Data Science и медицины — реально. И один из способов — онлайн-курс на факультете «Data Science в медицине» в GeekBrains.

Читайте также:

Туманности, кометы и звездные ясли: показываем лучшие астрофотографии года

Данные со спутников-шпионов помогли выяснить причину таяния ледников в Азии

Коронавирус в пещере: все о китайских шахтерах, которые болели странной пневмонией в 2012 году