Ученые обнаружили, что наиболее оптимальные комбинации препаратов для лечения COVID-19 не являются одинаковыми для каждого пациента. Индивидуальные характеристики, такие как возраст, вес и наличие соматических патологий, влияют на выбор наиболее эффективной терапии для предотвращения повторного заболевания COVID-19.
Исследование было выполнено группой ученых из Университета Калифорнии (UC Riverside) с использованием данных, полученных из больницы в Китае и опубликовано в журнале Frontiers in Artificial Intelligence.
Использование данных из Китая представляет высокую ценность по двум причинам: во-первых, в начале пандемии врачи в Китае могли назначать до восьми различных препаратов, что позволяет проанализировать большое количество комбинаций лекарственных средств; во-вторых, пациенты с COVID-19 в Китае после выписки из больницы должны находится на карантине в государственной гостинице, что дает возможность комплексно изучить частоту повторной заболеваемости коронавирусной инфекцией.
В исследование были включены данные более чем 400 пациентов с COVID-19. Средний возраст пациентов составил 45 лет, у большинства наблюдалось среднетяжелое течение заболевания. В лечении применялись различные комбинаций противовирусных, противовоспалительных и иммуномодулирующих препаратов, таких как интерферон или гидроксихлорохин.
Анализ данных был затруднен большим количеством переменных и их сложной взаимосвязью с результатами лечения. Для решения данной проблемы исследователями применялись статистические методы, основанные на алгоритмах машинного обучения.
Процесс статистического анализа. После сбора данных проводится виртуальное множественное сопоставление (Virtual Multiple Matching) для минимизации влияния различных переменных. При дисбалансе групп применяется метод переcэмплирования синтетического меньшинства (Synthetic minority oversampling technique). Затем проводится проверка нулевой гипотезы для оценки общей эффективности комбинированного лечения. Наконец, проводится множественное сравнение с наилучшим результатом (Multiple Comparisons with the Best) для выбора наилучшей комбинации лекарств в каждой подгруппе пациентов, стратифицированной на основе полученных данных
Обычно для изучения эффективности и безопасности лекарств проводятся клинические испытания, в ходе которых пациенты с одинаковыми характеристиками случайным образом распределяются в экспериментальную или контрольную группы. Поскольку в данном исследовании использовались архивные клинические данные, исследователям пришлось скорректировать факторы, которые могли повлиять на наблюдаемые результаты. Например, если определенная комбинация лекарств назначалась в основном пожилым людям и оказалась неэффективной, то остается неясным, является ли причиной в данном случае препарат или возраст человека.
Помимо анализа комбинаций лекарственных препаратов, машинное обучение широко применяется во многих областях, связанных с COVID-19, таких как постановка диагноза, разработка вакцин и лекарственных препаратов, а также прогноз заболевания. В частности, исследователям «Сколтеха» и их коллегам удалось обучить ИИ предсказывать вероятность выживания пациентов с COVID-19, поступающих в реанимацию.
Данная работа обладает несколькими ограничениями. Во-первых, данные для исследования были получены во время первой волны пандемии и не учитывают последующие генетические вариации вируса SARS-CoV-2. Во-вторых, несмотря на то, что данное исследование позволяет выявить наиболее эффективные комбинации лекарств, небольшой объем данных не позволяет уточнить такие данные, как дозировка и время применения препаратов.
Как указывают авторы, алгоритм, использованный в данном исследовании, легко применим к любому другому обсервационному исследованию и находится в общем доступе.
Материал подготовлен в рамках проекта «Медицина в точке бифуркации». Проект поддержан грантом Минобрнауки России в рамках федерального проекта «Популяризация науки и технологий»