Модель машинного обучения, которая распознает сепсис

Десять микролитров крови поступают в одноразовый пластиковый картридж. Внутри устройства размером с ноутбук кровь распределяется тонким слоем и движется по узкому каналу. В течение следующих 12 минут камера делает снимки примерно двух миллионов клеток крови, проходящих мимо.

Ни один лаборант не ждет результатов посева крови. Вместо этого новая платформа визуализации на базе модели машинного обучения сканирует все эти клетки на наличие признаков сепсиса — угрожающей жизни системной реакции на инфекцию, которая ежегодно уносит около 11 миллионов жизней по всему миру.

Ученые Biohub создали эту модель под названием Remo-ID для работы на Remoscope — цитометре визуализации, который команда изначально разработала для диагностики малярии. В ходе раннего исследования с участием 47 пациентов и контрольной группы Remo-ID правильно отличил сепсис от других критических состояний и здоровой крови в 43 случаях. Это было сделано без предварительного указания исследователями того, какие клетки или клеточные особенности следует искать.

Эта работа является частью более масштабной стратегии Biohub: новые методы измерения биологии в сочетании с вычислительными моделями, способными интерпретировать то, что фиксируют эти технологии, помогут ученым лечить, предотвращать и контролировать болезни.

Сепсис общеизвестно трудно диагностировать. Клиницисты часто могут распознать его по состоянию пациента и лабораторным анализам, но не существует единого эталонного теста, который можно было бы использовать в момент принятия решений о лечении. «Это просто еще недостаточно хорошо количественно оценено», — говорит Николас Братвольд, инженер из Biohub, возглавлявший проект по сепсису.

Эта неопределенность может означать смертельные задержки. При септическом шоке, вызванном бактериальной инфекцией, каждый час задержки антибиотиков увеличивает риск смерти на 6–10 процентов. Существующие рекомендации требуют начала лечения в течение первого часа с момента развития сепсиса, однако такое лечение получает менее половины пациентов даже в хорошо оснащенных больницах.

От малярии к неизвестному сигналу

Проект Remoscope начался в 2022 году как инструмент для регионов, где малярия эндемична и где лаборанты, обученные вековому стандарту диагностики (ручному подсчету зараженных паразитами клеток в окрашенных мазках крови под микроскопом), часто перегружены работой.

Вместо использования красителей или других реагентов Remoscope напрямую фотографирует свежую цельную кровь и использует бескрасочную визуализацию и машинное обучение для подсчета. Джо ДеРиси, почетный президент Biohub San Francisco и соавтор первоначальных статей о Remoscope, рано осознал потенциал технологии: «Никто не может долго работать со стандартной техникой без сильной умственной усталости, и неизменно начинают просачиваться человеческие ошибки».

Малярия была естественным приложением для машинного обучения, поскольку паразит оставляет видимые следы: слабые кольца внутри клеток, темные кристаллы гемоглобина и изменения формы клеток. Команда обучила свою модель на сотнях тысяч изображений клеток с ручной разметкой, и в конечном итоге Remoscope превзошел среднего врача-микроскописта и приблизился по эффективности к экспертам в годовом исследовании в Тороро, Уганда.

Но при всей смертоносности малярии тест, предназначенный только для нее, имеет ограниченную полезность в условиях, когда циркулирует множество других заболеваний. Чтобы проверить, способен ли прибор на большее, команда обратилась к более загадочной проблеме — сепсису.

Сепсис может возникать в результате множества различных инфекций и одновременно затрагивать несколько популяций клеток крови. У него нет единой характерной клеточной сигнатуры, а кровь пациента с сепсисом и кровь тяжелобольного пациента без инфекции часто выглядят поразительно похоже. «В случае с малярией мы могли найти странные клетки, но при сепсисе мы не знали, что именно ищем», — говорит инженер Biohub Илаккиян Джейакумар.

Обучение без меток

Поскольку маркировка отдельных клеток не решила бы проблему, команда создала другой тип модели. Remo-ID не пытается охарактеризовать отдельные клетки. Вместо этого он использует метод, называемый обучением с множественными экземплярами, при котором все изображения от одного прогона объединяются в «мешок», каждое изображение преобразуется в числовое представление, а механизм внимания учится объединять их в единый прогноз для пациента.

Во время первоначального обучения модели на более чем 1,2 миллиарда клеток исследователи предоставили метки только на уровне образцов, указав, получена ли кровь от пациента с сепсисом, тяжелобольного пациента с неинфекционным заболеванием или здорового донора. Они не сообщали модели, на какие особенности клеток следует обратить внимание, чтобы различить эти группы.

Первоначальные результаты, опубликованные на medRxiv совместно с коллегами, включая Чаза Ланжелье, специалиста по инфекционным заболеваниям из Калифорнийского университета в Сан-Франциско и исследователя Biohub, демонстрируют перспективность будущего диагностического инструмента. Из 47 образцов — 13 с подтвержденным сепсисом, 12 неинфекционных контрольных групп, проходивших лечение в отделении интенсивной терапии, и 22 здоровых донора — Remo-ID правильно классифицировал 43.

В одном из анализов клетки 22 здоровых доноров занимали в значительной степени перекрывающуюся область. Клетки тяжелобольных пациентов были распределены более широко, в то время как клетки пациентов с сепсисом образовали четкие скопления. «Модель очень хорошо научилась распознавать закономерности, — говорит Пол Лебель, руководитель проекта Remoscope. — Несмотря на различные основные состояния, отраженные в образцах, модель оказывается права более чем в 90 процентах случаев и может быть настроена на выявление 100 процентов случаев сепсиса».

Группа с сепсисом включала всего 13 человек, что означает, что небольшое число необычных случаев может исказить результаты. Исследователи также пока не знают с уверенностью, какие именно особенности клеток определяют прогнозы модели. Но результаты достаточно убедительны, чтобы оправдать тестирование этого подхода на гораздо более крупной группе, говорит Джейакумар. Данные также содержат интригующие закономерности, которые, если они подтвердятся в более масштабных исследованиях, могут дать новые ключи к пониманию того, как сепсис влияет на клетки крови.

Картирование того, что видят модели

Отдельный инструмент Remo-Map помогает команде исследовать эти закономерности. Remo-Map обучен на наборах данных, собранных группой. Вместо классификации всего образца, как это делает Remo-ID, он представляет миллионы отдельных клеток в математическом пространстве в соответствии с их морфологическим сходством без предварительного диагноза.

Remo-Map выявил интересные различия в крови септических пациентов, которые ранее описывались в литературе, говорит Братвольд. К ним относятся незрелые нейтрофилы (палочкоядерные и более ранние формы), высвобождаемые на ранних этапах из костного мозга, а также необычное количество незрелых эритроцитов, таких как ретикулоциты и различные стадии эритробластов (предшественников эритроцитов, еще не потерявших ядро), которые движутся по каналу проточной ячейки иначе, поскольку они менее эластичны.

Последний набор функций — это то, что Remoscope способна увидеть уникальным образом. Поскольку устройство получает изображения крови в процессе ее течения, а не в высушенном и фиксированном виде на предметном стекле, оно фиксирует, как клетки изгибаются и движутся — информацию, которую обычный мазок упустил бы. В совокупности эти выводы наводят на интригующую гипотезу: сигнал сепсиса может заключаться не в отдельном биомаркере или типе клеток, а в состоянии крови в целом.

Эти наблюдения пока еще не являются утвержденным методом диагностики, для чего потребуются дополнительные данные и одобрение FDA. Но они иллюстрируют те различия, которые могут обнаруживаться при одновременном изучении миллионов клеток крови.

За пределами сепсиса

«Эти модели видят гораздо больше того, для чего мы в настоящее время их используем», — говорит Лебель. Заболевания крови являются одной из очевидных целей, отмечает он, включая серповидноклеточную анемию и другие анемии, которые искажают размер и форму эритроцитов, а также рак крови, большинство форм которого поражает популяцию лейкоцитов. Команда также проводит пилотное тестирование диагностики волчанки и изучает вопрос о том, способна ли технология фиксировать иммунную систему в действии: например, реакцию на вакцину или признаки вирусной инфекции.

«Что замечательно в этом устройстве, так это его скорость», — говорит Братвольд. «Если у нас есть доступ к образцам при этих состояниях, мы можем собрать от миллионов до сотен миллионов клеток, а затем обучить новые модели и оценить их за считанные дни».