mediinsider.

Как читать свои анализы без паники

Новость

ИИ-анализ крови поможет выявить скрытые болезни сердца у женщин

По данным UMC Utrecht, исследователи представили проект диагностического анализа крови с применением искусственного интеллекта для выявления коронарной микрососудистой дисфункции (CMD).

ИИ-анализ крови поможет выявить скрытые болезни сердца у женщин

Поражение затрагивает сосуды диаметром менее 500 мкм и не визуализируется стандартной коронарографией. У женщин CMD остается основной нераспознанной причиной ишемических жалоб при «нормальных» результатах обследования.

Что такое CMD и почему стандартная диагностика ее пропускает

CMD — дисфункция микроциркуляторного русла. Ангиография разрешает просветы от ~1 мм; физический предел метода исключает прямую визуализацию. Диагноз ставится функционально: по индексу микроциркуляторного сопротивления (IMR), резерву коронарного кровотока (CFR) или по косвенным биомаркерам в крови. До настоящего момента ни один рутинный лабораторный показатель не давал приемлемой чувствительности к CMD у женщин.

Лабораторная «норма» стандартного биохимического и липидного профиля в этом случае — ложноотрицательный результат по определению: маркер CMD не входит в панель. Проблема системная. По данным Women's Agenda, лишь около 5–10% клинических исследований публикуют результаты с разбивкой по полу; для ишемической болезни сердца этот показатель — около 17%, для мигрени — около 7%. Исторически это следует из модели «Reference Man» (1975): стандарт тела — белый мужчина 20–30 лет, 70 кг, 170 см, изначально введенный для расчета радиационной безопасности и распространенный на всю клиническую практику. Женская физиология сводилась к репродуктивной функции; кардиоваскулярные, метаболические и фармакокинетические различия оставались за пределами референсных моделей.

Клинические проявления, при которых CMD вероятна:

1. Стенокардия при нормальной коронарограмме.

2. Снижение толерантности к нагрузке без клапанной и систолической патологии.

3. Одышка, не объяснимая результатами стандартной панели.

Алгоритм нового теста и его место в клинической цепочке

Проект UMC Utrecht использует ИИ-модель для анализа паттерна биомаркеров в образце крови. Метод относится к классу «omics + machine learning»: комбинация нескольких аналитов — метаболитов, белков острой фазы, липидных фракций — преобразуется в классифицирующий индекс.

Метрические вопросы, остающиеся открытыми до публикации в рецензируемом журнале:

1. Чувствительность и специфичность модели. Без значений AUC (площадь под ROC-кривой) нельзя оценить частоту ложноположительных и ложноотрицательных результатов.

2. Калибровка порога. Референсный интервал для женской популяции, вероятно, будет отличаться от мужского; половые различия в концентрации большинства биомаркеров уже описаны в литературе.

3. Преаналитика. Стабильность образца, время от забора до центрифугирования, температурный режим транспортировки влияют на конечный сигнал.

ИИ-анализ биомаркеров — часть более широкого тренда. Схожие по архитектуре модели применяются в сервисах автоматической обработки пользовательских данных на устройстве — от пользовательских изображений до лабораторных панелей. Общий принцип один: алгоритм заменяет эксперта при первичной разметке, но калибровка и валидация остаются за человеком.

Чек-лист

1. При жалобах на боль в груди и одышке при нормальной коронарограмме — запросить функциональный тест микроциркуляции (IMR/CFR) либо исследование по протоколу UMC Utrecht, если учреждение участвует в валидации.

2. Не интерпретировать стандартный липидный профиль как исключение сердечно-сосудистой патологии. Референсный интервал для липидов не покрывает CMD.

3. Уточнить у лаборатории аналитическую чувствительность метода (LoD — предел обнаружения) для каждого биомаркера панели.

4. Проверить, предусмотрена ли половая стратификация референсных значений. Без нее тест воспроизводит системную ошибку, описанную в Women's Agenda: ~17% кардиологических исследований публикуют данные раздельно по полу.

5. Фиксировать дату и время забора крови в выписке — для контроля преаналитической вариабельности при повторных тестах.