Репост из: МФТИ Digital
🤩 В МФТИ обучили нейросети для локального анализа ВИЧ-1 на портативном комплексе
Студент-исследователь МФТИ Роман Горбенко под научным руководством Никиты Радченко разработал две ML-модели для анализа ВИЧ-1. Работа выполнена в формате «стартап как диплом».
Разработка стала частью OnSiteSeq — портативного программно-аппаратного комплекса, который позволяет проводить геномный анализ на месте: без отправки данных во внешние сервисы и использования большой стационарной лаборатории.
В чем задача
ВИЧ постоянно и очень быстро мутирует. Чтобы подобрать эффективную терапию, врачу важно знать две вещи: к каким препаратам у вируса уже появилась устойчивость и какая разновидность (субтип) вируса находится в организме.
Обычно для этого используют зарубежные онлайн-базы. Но у них есть серьезные ограничения: требуется стабильный доступ в интернет, а российские типы вируса распознаются хуже. Дело в том, что около 83% пациентов в России заражены особой разновидностью ВИЧ-1 (линией А6), которая редко встречается в зарубежных базах. Из-за этого иностранные алгоритмы могут ошибаться при анализе российских образцов.
Что сделал Роман
Роман создал алгоритмы, которые работают полностью автономно и локально — на небольшом переносном устройстве, без интернета и обращения к внешним сервисам. Нейросети получают «сырые» данные с портативного ДНК-секвенатора и сразу формируют готовый отчет для врача.
Первая модель оценивает вероятность лекарственной устойчивости ВИЧ-1 к 14 антиретровирусным препаратам. В ее архитектуру встроен механизм Self-Attention, который позволяет учитывать связи между мутациями, даже если они находятся далеко друг от друга в геномной последовательности.
Вторая модель определяет субтип вируса по env-гену — участку, кодирующему белки вирусной оболочки.
Что получилось
Модели протестировали на независимых российских данных RuHIV, предоставленных ЦНИИ Эпидемиологии Роспотребнадзора. В выборку вошли данные 356 пациентов.
Средний ROC-AUC для прогноза устойчивости к 14 препаратам составил 0,990. Точность определения основной российской линии A6 достигла 99,64%, F1 = 1,00.
Полный конвейер также запустили на OnSiteSeq Edge с вычислительным блоком NVIDIA Jetson AGX Xavier.
Что дальше
Это исследовательская разработка. Чтобы ее можно было использовать как медицинское программное обеспечение, нужно пройти следующие этапы: клинические исследования на новых пациентах, проверка редких субтипов, сравнение с лабораторными фенотипическими тестами и регистрация.
🔗 Подробный технический разбор архитектуры моделей, данных и запуска на OnSiteSeq — читайте в статье на Хабре: https://habr.com/ru/companies/mipt_digital/articles/1058460/
Студент-исследователь МФТИ Роман Горбенко под научным руководством Никиты Радченко разработал две ML-модели для анализа ВИЧ-1. Работа выполнена в формате «стартап как диплом».
Разработка стала частью OnSiteSeq — портативного программно-аппаратного комплекса, который позволяет проводить геномный анализ на месте: без отправки данных во внешние сервисы и использования большой стационарной лаборатории.
В чем задача
ВИЧ постоянно и очень быстро мутирует. Чтобы подобрать эффективную терапию, врачу важно знать две вещи: к каким препаратам у вируса уже появилась устойчивость и какая разновидность (субтип) вируса находится в организме.
Обычно для этого используют зарубежные онлайн-базы. Но у них есть серьезные ограничения: требуется стабильный доступ в интернет, а российские типы вируса распознаются хуже. Дело в том, что около 83% пациентов в России заражены особой разновидностью ВИЧ-1 (линией А6), которая редко встречается в зарубежных базах. Из-за этого иностранные алгоритмы могут ошибаться при анализе российских образцов.
Что сделал Роман
Роман создал алгоритмы, которые работают полностью автономно и локально — на небольшом переносном устройстве, без интернета и обращения к внешним сервисам. Нейросети получают «сырые» данные с портативного ДНК-секвенатора и сразу формируют готовый отчет для врача.
Первая модель оценивает вероятность лекарственной устойчивости ВИЧ-1 к 14 антиретровирусным препаратам. В ее архитектуру встроен механизм Self-Attention, который позволяет учитывать связи между мутациями, даже если они находятся далеко друг от друга в геномной последовательности.
Вторая модель определяет субтип вируса по env-гену — участку, кодирующему белки вирусной оболочки.
Что получилось
Модели протестировали на независимых российских данных RuHIV, предоставленных ЦНИИ Эпидемиологии Роспотребнадзора. В выборку вошли данные 356 пациентов.
Средний ROC-AUC для прогноза устойчивости к 14 препаратам составил 0,990. Точность определения основной российской линии A6 достигла 99,64%, F1 = 1,00.
Полный конвейер также запустили на OnSiteSeq Edge с вычислительным блоком NVIDIA Jetson AGX Xavier.
Что дальше
Это исследовательская разработка. Чтобы ее можно было использовать как медицинское программное обеспечение, нужно пройти следующие этапы: клинические исследования на новых пациентах, проверка редких субтипов, сравнение с лабораторными фенотипическими тестами и регистрация.
🔗 Подробный технический разбор архитектуры моделей, данных и запуска на OnSiteSeq — читайте в статье на Хабре: https://habr.com/ru/companies/mipt_digital/articles/1058460/