Современная биомедицина — не просто наука на стыке биологии и медицины. Это междисциплинарная область, которая все активнее использует интеллектуальные технологии: искусственный интеллект, анализ данных, моделирование и автоматизацию. На лекции, прошедшей в рамках гостевых встреч, мы поговорили о том, как эти технологии помогают решать реальные задачи в биологии, ветеринарии и медицине.
Спикером выступила Юлия Тихменева — лаборант и аналитик управления научно-исследовательской работы обучающихся, аспирант, молодой ученый. Она рассказала о своем опыте участия в прикладных биомедицинских проектах.
AI и Data Science в биомедицинских кейсах
Одна из ключевых тем сегодня — использование искусственного интеллекта и Data Science в обработке биомедицинских данных — от микробиома до цифровых двойников органов. Мы начали с обсуждения метагеномики — направления, изучающего совокупность ДНК всех микроорганизмов, живущих в теле человека.
Одним из ее первых примеров стал проект, который показывает, как современные технологии позволяют заглянуть в невидимый мир микробов внутри нас. Подходы метагеномики позволяют исследовать микробные сообщества напрямую по их ДНК, минуя этап выделения и культивирования отдельных штаммов. И в этом контексте невозможно не упомянуть проект MetaHIT, ставший поворотной точкой в понимании структуры и функций кишечной микробиоты.
Проект MetaHIT (Metagenomics of the Human Intestinal Tract), в котором участвовали исследователи из восьми стран, позволил собрать каталог генов микробиоты кишечника. Секвенирование тотальной ДНК у сотни добровольцев позволило определить так называемое «генное ядро», общее для большинства людей. Около 90% испытуемых имели порядка 200 тысяч одинаковых генов, что позволило использовать эти данные как шаблон для выравнивания и анализа новых метагеномов. Такие данные дают не просто «фото» того, какие бактерии есть, но и информацию о функциях, которые они выполняют.
Почему это важно? Потому что кишечная микробиота напрямую связана с пищеварением, иммунитетом, обменом веществ, а все чаще — и с психическим здоровьем. Мы начинаем понимать, что болезни могут быть не только следствием работы отдельных генов человека, но и сбоев в составе или активности его микробных «жильцов».
Именно здесь в игру вступает Data Science. Анализ метагеномных данных требует работы с массивами, включающими миллионы фрагментов ДНК, сотни тысяч генов, тысячи видов микроорганизмов. Выявить закономерности, отделить шум от сигнала, построить устойчивые модели связи между составом микробиоты и состоянием здоровья — все это требует статистического моделирования, машинного обучения и визуализации. Без Data Science просто невозможно распутать сложную экосистему, живущую в каждом из нас.
Если карта человеческой микробиоты уже стала частью больших международных баз, то с животными ситуация обстоит иначе: данных пока значительно меньше, а задач — как минимум столько же. Ведь животные, особенно сельскохозяйственные, напрямую влияют на здоровье человека — через пищу, контакт, общее микробное окружение. Именно поэтому следующий шаг — перенос тех же метагеномных подходов и инструментов анализа в ветеринарию и агробиотехнологии.
В лаборатории ДГТУ, где я работаю, активно исследуется микробиом животных — например, куриц и свиней. Понимание его структуры и функций критично важно: микробы влияют на пищеварение, иммунную систему и даже поведение. После пандемии COVID-19 проблема антибиотикорезистентности стала особенно острой. Для разработки новых препаратов и тестирования пробиотиков создаются искусственные желудочно-кишечные среды и модели, где можно наблюдать реакцию микробиоты на те или иные вещества без экспериментов на животных. Один из наших проектов — искусственная модель ЖКТ свиньи с применением унифицированной кишечной среды (УКС). Мы моделируем разные отделы кишечника и исследуем взаимодействие пробиотиков, патогенов и микробиоты на уровне ДНК и метаболизма.
Следующая область, где можно успешно реализовать потенциал Data Science, — микрокомпьютерная томография (микроКТ) и цифровые двойники.
Однако, чтобы по-настоящему понимать, как развиваются патологии, одного клинического наблюдения или отдельных биомаркеров уже недостаточно. Здесь на передний план выходит связка визуальных и числовых данных: технологии микрокомпьютерной томографии и методы анализа данных.
Отдельное внимание уделено микроКТ, которая позволяет строить 3D-модели органов с высокой точностью. Мы используем эту технологию для анализа плотности тканей, моделирования заболеваний и создания цифровых двойников органов — динамических моделей, в которые можно вносить изменения и наблюдать последствия. Пример: исследование почек крыс, находившихся на гиперлипидемической диете.
МикроКТ позволил зафиксировать адаптационные изменения плотности почек, которые потенциально можно транслировать на человека — это важно, например, для понимания процессов атеросклероза. ИИ помогает ускорить анализ таких снимков: распознает ткани, измеряет плотность, сравнивает с предыдущими исследованиями. Это значительно ускоряет цикл «эксперимент — результат — вывод».
МикроКТ дает возможность получать сверхточные 3D-снимки органов на уровне мельчайших структур. Но главная ценность раскрывается, когда мы подключаем Data Science — для автоматизации распознавания тканей, измерения плотности, построения статистических моделей и выявления закономерностей. Мы можем буквально «увидеть» болезнь в числах: как изменяется структура почки при метаболических нарушениях, насколько плотность кости отличается при разных диетах, как прогрессирует дегенерация ткани со временем.
Если визуализация и моделирование позволяют увидеть патологию, то искусственный интеллект помогает понять и предсказать ее развитие. Причем не только у человека — ИИ все активнее используется и в ветеринарии, и в биомедицине в целом.
Животные, как и люди, страдают от поведенческих расстройств, метаболических нарушений, инфекций. Однако у них мы не можем просто спросить, что болит. Здесь на помощь приходят нейросети, которые анализируют поведение, физиологию, даже мимику животных — и помогают ставить диагноз или корректировать условия содержания. То же самое касается и цифровой патологии: автоматический анализ изображений тканей, крови или рентгеновских снимков существенно ускоряет работу врачей, снижает риски ошибок и открывает возможности для ранней диагностики.
ИИ становится не просто инструментом, а партнером исследователя и врача — в лаборатории, на ферме, в клинике.
AI и поведение животных
Искусственный интеллект решает и другие задачи, связанные с питомцами. Например, еще один наш проект — исследование поведения собак с помощью нейросетей. В России не хватает системных научных данных о поведенческих расстройствах у питомцев, в то время как более 330 тысяч укусов людей собаками регистрируются ежегодно. Цель данного проекта — разработать систему для оценки и коррекции поведения домашних собак, основанную на видеоанализе и машинном обучении. Методика будет полезна ветеринарным врачам, кинологам и владельцам — а в будущем адаптируется для служебных, спасательных и поводырских собак.
Другой проект касается диких уток, содержащихся на дичефермах. Контакт с человеком вызывает у них стресс, который снижает продуктивность и приводит к смертности. С помощью ИИ мы отслеживаем поведенческие паттерны птиц и минимизируем вмешательство, тем самым повышая устойчивость популяции и экономическую эффективность дичеразведения.
Платформа «Медцифра» и цифровой патолог
В ДГТУ также работаем над созданием мультимодальной платформы «Медцифра» — это цифровой патолог, обученный распознавать клетки и интерпретировать клинические анализы крови. Работа основана на обезличенных данных из больницы и реализуется в рамках проекта, поддержанного Минобрнауки РФ.
ИИ помогает врачам выявлять патологические изменения даже на ранних стадиях, автоматически распознает ключевые элементы цитологических изображений и сокращает рутинную нагрузку.
Все описанные проекты вписываются в глобальную концепцию One Health — «Единого здоровья». Она рассматривает здоровье человека, животных и окружающей среды как единое взаимосвязанное целое. Наши исследования — это вклад в формирование устойчивой и гуманной научной парадигмы, где ИИ помогает не только лечить, но и предотвращать.
Цифровизация и междисциплинарный подход — это будущее биомедицины. ИИ, Data Science, микробиология, клиническая медицина и ветеринария не должны существовать изолированно. Именно в сотрудничестве между специалистами разных направлений рождаются по-настоящему ценные и работающие решения.
Приглашаем студентов, исследователей и практиков к диалогу, совместным проектам и изучению биоинформатики. Даже находясь в сфере IT, вы можете помогать людям, животным и науке каждый день.
Автор: Юлия Тихменева — лаборант Управления НИ, аналитик УНИРО, аспирант факультета БиоВетМед ДГТУ, гостевой эксперт онлайн-магистратур Центра «Пуск» МФТИ.
