Участник:Dmitrii Vishovan
Материал из MachineLearning.
| Статья написана с использованием LLM Gemini и проверена участником Dmitrii Vishovan 01:23, 15 июля 2026 (MSD) |
Введение и определение
Виртуальный биомаркер (или суррогатный лабораторный тест) — это предиктивная модель машинного обучения, которая оценивает результат дорогостоящего, длительного или инвазивного медицинского исследования на основе уже доступных, дешевых анализов и исторических данных из Электронной Медицинской Карты (ЭМК) пациента.
В современной системе здравоохранения клинические решения часто опираются на специфические анализы (например, расширенные генетические панели, иммуногистохимия, уровни редких гормонов), которые могут быть недоступны в больницах базового уровня или требовать недель ожидания. Задачей виртуальных биомаркеров является аппроксимация результатов этих тестов «здесь и сейчас» с приемлемой клинической точностью.
Ключевые цели применения:
- Снижение финансовых затрат: Исключение необходимости проведения дорогих тестов пациентам с очевидно отрицательным прогнозом (стратификация риска).
- Ускорение диагностики: Получение суррогатного результата в реальном времени (например, в отделении реанимации) до получения реального лабораторного ответа.
- Минимизация инвазивности: Замена болезненных процедур (например, биопсии) выводами на основе анализа крови и клинической картины.
Математическая постановка задачи
Задача прогнозирования результатов анализов может формулироваться как задача регрессии (предсказание точного количественного значения теста) или задача бинарной классификации (предсказание выхода значения за пределы референсной нормы).
Пусть — пациент. Данные ЭМК представляют собой многомерный временной ряд неравномерных наблюдений:
где — время визита или сдачи анализа, а
— вектор клинических признаков (дешевые анализы, жизненные показатели, демография).
Требуется построить функцию (модель) , параметризованную весами
, которая по историческим данным
прогнозирует результат целевого дорогостоящего теста
в момент времени
:
Для задачи классификации (норма/патология) модель оценивает вероятность:
где — сигмоидная функция. Оптимизация параметров
происходит путем минимизации выбранной функции потерь (например, среднеквадратичной ошибки для регрессии или кросс-энтропии для классификации).
Специфика медицинских данных (ЭМК)
Прогнозирование по данным ЭМК сопряжено с серьезными алгоритмическими вызовами, требующими особой предобработки:
- Нерегулярность временных интервалов: Пациенты сдают анализы не по строгому графику. Интервалы
могут варьироваться от нескольких часов (в реанимации) до нескольких лет.
- Высокая разреженность (Sparsity) и пропущенные значения: Вектор
почти никогда не заполнен полностью. Пропуски могут возникать из-за отсутствия клинической необходимости в тестах, нерегулярных осмотров или проблем с маршрутизацией данных. Это часто приводит к смещенной статистике (bias) и ухудшению производительности моделей, особенно для уязвимых групп пациентов с ограниченным доступом к медицине.
- Шум и артефакты: Ошибки ручного ввода, калибровки аппаратуры или изменения в методологиях лаборатории с течением времени.
- Изолированность данных (Data Silos): Медицинские данные строго защищены (HIPAA, GDPR). Для обучения устойчивых моделей все чаще применяется Федеративное обучение (Federated Learning), позволяющее обучать единую нейросеть на данных разных госпиталей без передачи самих ЭМК на центральный сервер.
Методы и алгоритмы
Выбор метода машинного обучения для построения виртуального биомаркера определяется структурой доступных данных ЭМК: являются ли они агрегированными табличными признаками или необработанными многомерными временными рядами с неравномерными интервалами и пропусками. Современные подходы охватывают широкий спектр алгоритмов — от классического градиентного бустинга до передовых архитектур, таких как трансформеры и федеративное обучение.
Модели градиентного бустинга (XGBoost, LightGBM, CatBoost)
В случаях, когда данные предварительно агрегированы — например, вычислены скользящие средние, минимумы, максимумы или взяты последние известные значения за определенный период, — алгоритмы градиентного бустинга на решающих деревьях демонстрируют результаты уровня state-of-the-art для табличных клинических данных.
Эти модели обладают рядом преимуществ: высокой скоростью обучения и вывода, способностью автоматически выявлять нелинейные зависимости, встроенными механизмами оценки важности признаков (feature importance) и естественной обработкой пропущенных значений (особенно в CatBoost). Кроме того, они обеспечивают базовый уровень интерпретируемости, что критически важно в клинической практике.
Практический пример. Модель ADVISE (Automated Dudley Ventilation Infection Series Evaluation), разработанная для раннего выявления физиологического ухудшения, соответствующего развитию вентилятор-ассоциированной пневмонии (ВАП), использует XGBoost-классификатор. Обученная на рутинных данных отделений интенсивной терапии, модель достигла площади под ROC-кривой (AUROC) 0.874, продемонстрировав клинически приемлемый уровень ложных срабатываний (12.6% при чувствительности 80%).
Рекуррентные нейронные сети (RNN, LSTM, GRU)
Для работы с сырыми, неагрегированными временными рядами ЭМК применяются рекуррентные архитектуры, способные запоминать долгосрочные зависимости в последовательностях медицинских событий. Однако стандартные LSTM не учитывают неравномерность временных интервалов между наблюдениями — ключевую особенность реальных клинических данных.
Для решения этой проблемы разработаны специализированные модификации:
- Time-Aware LSTM (T-LSTM) — в архитектуру встроены механизмы, явно параметризующие временные интервалы
между визитами, что позволяет модели адаптироваться к нерегулярным наблюдениям.
- Phased LSTM — добавляет временные «фазы» в работу внутренних гейтов, синхронизируя обновление состояний с реальным клиническим временем.
- Bidirectional LSTM (Bi-LSTM) — обрабатывает информацию как в прямом, так и в обратном временном направлении, что позволяет учитывать контекст как прошлых, так и будущих событий (например, при ретроспективном анализе).
Эти архитектуры особенно эффективны для прогнозирования лабораторных показателей в динамике, когда важна вся предшествующая траектория пациента, а не только текущее состояние.
Трансформеры для ЭМК (BEHRT, Med-BERT и их расширения)
Адаптация архитектуры Трансформер произвела революцию в анализе структурированных временных рядов ЭМК. В отличие от RNN, трансформеры используют Self-Attention, позволяющий модели напрямую взвешивать важность любых прошлых событий для прогноза, независимо от их временного расстояния.
BEHRT (BERT for Electronic Health Records) — первая крупная адаптация BERT для ЭМК. Модель рассматривает последовательность медицинских событий пациента как «предложение», а каждое событие (диагноз, анализ, процедура) — как «слово». BEHRT использует множественные эмбеддинги: события, визита, возраста и позиции в последовательности. Обученная на данных почти 1.6 млн пациентов, модель показала абсолютное улучшение на 8.0–10.8% по сравнению с существующими RNN-моделями при прогнозировании 301 заболевания.
Med-BERT — аналогичная трансформерная архитектура, разработанная на данных Cerner Health Facts® и Truven Health MarketScan®. Обе модели заложили основу для целого семейства последующих разработок:
| Модель | Данные | Архитектура | Задача |
|---|---|---|---|
| Hi-BEHRT | CPRD | Иерархический BEHRT | Прогнозирование заболеваний |
| ExBEHRT | Расширенная версия BEHRT | BEHRT + алгоритмы интерпретации | Прогнозирование подтипов и прогрессии заболеваний |
| GERBEHRT | Немецкие ЭМК (амбулаторные) | BEHRT с множественными атрибутами на концепт | Прогнозирование на национальных данных |
| CEHR-BERT | CUIMC-NYP OMOP | Трансформер + FFN для временных эмбеддингов | Прогнозирование заболеваний, повторных госпитализаций, смерти |
| TransMED | STARR OMOP | Иерархический BERT | Пребывание в стационаре, риск ИВЛ |
Дальнейшее развитие парадигмы привело к созданию мультимодальных моделей (например, M-BEHRT), которые анализируют траектории пациентов, комбинируя табличные данные (лабораторные анализы, витальные показатели, терапию) с текстами медицинских записей, что обеспечивает более полный клинический контекст.
Специализированные архитектуры для лабораторных данных: LIFE
Для прямой задачи прогнозирования и восстановления (импутации) лабораторных показателей разработан фреймворк LIFE (Laboratory Imputation Framework for EHRs). Это самообучающаяся (self-supervised learning) архитектура на основе многоголового внимания (multi-head attention), которая обучается предсказывать значение любого лабораторного теста в любой момент времени на основе полной истории пациента.
Ключевые инновации LIFE:
- Совместное моделирование — нет необходимости обучать отдельную модель для каждого теста; все лабораторные данные моделируются совместно.
- Клиническая контекстуализация — используются дополнительные переменные ЭМК: диагнозы, лекарственные препараты, дискретные лабораторные результаты.
- Масштабируемость — архитектура рассчитана на работу с реальными данными, содержащими сотни различных типов тестов.
Валидация на выборке из более чем 1 миллиона онкологических пациентов показала, что LIFE превосходит или эквивалентен современным базовым методам в 23 из 25 оцененных лабораторных тестов и улучшает детекцию нежелательных явлений в 7 из 9 случаев.
Федеративное обучение (Federated Learning)
Медицинские данные строго защищены нормативными актами (HIPAA, GDPR), а ЭМК часто распределены по разным медицинским центрам, что делает сбор крупных централизованных датасетов практически невозможным. Федеративное обучение (Federated Learning) решает эту проблему, позволяя обучать единую модель на данных множества госпиталей без передачи самих ЭМК на центральный сервер — передаются только обновления весов модели.
Современные разработки в этой области включают:
- FEST (Federated Semi-Supervised Transfer Learning) — метод федеративного полу-контролируемого переноса обучения для улучшения прогнозирования генетического риска в недостаточно представленных популяциях. FEST использует как размеченные, так и неразмеченные данные из различных подпопуляций, применяя методы перевзвешивания плотности и калибровки моделей для учета распределительных сдвигов.
- FedRew (Personalized Federated Learning with Hierarchical Reweighting) — персонализированный федеративный подход для многогоспитальных клинических прогнозов, который адаптируется к гетерогенности данных в каждом центре. Валидация на данных eICU-CRD (10 медицинских центров) показала средний AUROC 0.894 для прогнозирования внутрибольничной смертности.
- FedComDist — персонализированный федеративный подход, максимизирующий использование гетерогенных признаков между больницами.
Исследования показывают, что федеративное обучение улучшает кросс-сайтовую обобщаемость моделей, хотя существует компромисс между глобальной робастностью и локальной производительностью.
Сравнительная характеристика подходов
| Метод | Тип данных | Преимущества | Ограничения |
|---|---|---|---|
| Градиентный бустинг | Агрегированные табличные | Высокая скорость, интерпретируемость, обработка пропусков | Не учитывает временную динамику |
| RNN/LSTM | Временные ряды | Учет долгосрочных зависимостей | Проблемы с неравномерными интервалами |
| Трансформеры (BEHRT, Med-BERT) | Последовательности событий | Self-Attention, учет всего контекста | Высокие вычислительные затраты |
| LIFE | Лабораторные данные | Совместное моделирование всех тестов | Специализация на лабораторных показателях |
| Федеративное обучение | Распределенные ЭМК | Приватность данных, масштабируемость | Гетерогенность данных между центрами |
Метрики оценки качества
Помимо стандартных метрик ML (ROC-AUC, RMSE), в медицине критически важно оценивать клиническую и экономическую полезность:
- Клиническая полезность (Net Benefit): Рассчитывается методом Decision Curve Analysis (DCA). Оценивается чистая выгода: польза от правильного выявления патологии за вычетом вреда от ложноположительного назначения дорогого инвазивного теста.
- Чувствительность при фиксированной специфичности: В медицине часто требуется минимизировать риск пропуска больного (False Negative). Метрика оценивает полноту (Recall) при условии, что специфичность не падает ниже заданного уровня (например, 95%).
- Метрики дисбаланса: Для моделей, выявляющих редкие заболевания, базовый ROC-AUC может быть обманчив. Критически важными становятся метрика AUPRC (Area Under the Precision-Recall Curve) и строгая калибровка вероятностей (оценивается через Brier score).
- Фармакоэкономическая эффективность: Анализ "затраты-эффективность" (Cost-Effectiveness Analysis, CEA), показывающий, сколько средств клиника экономит при внедрении ИИ на каждую 1000 пациентов по сравнению со сплошным лабораторным скринингом.
Примеры практического применения
- Прогноз уровня ферритина и тропонина: Дорогой и медленный тест на тропонин (маркер инфаркта) может быть спрогнозирован на основе доступных данных ЭКГ и базовой биохимии крови. Обзорные исследования по ИИ-ЭКГ выделяют 4 компонента для таких биомаркеров: многомерный вход, эталонная разметка, объем данных и вычислительные ресурсы.
- Суррогатный скрининг на гепатиты и фиброз печени: Анализ дешевых показателей печеночных проб (АЛТ, АСТ, билирубин) выявляет группы высокого риска для ПЦР-тестов. В гепатологии цифровые биомаркеры уже превосходят традиционные клинические шкалы (такие как FIB-4 или MELD) по прогностической точности.
- Прогнозирование газового состава крови (ABG): Артериальный забор крови болезненен и сложен. Нейросети аппроксимируют уровни
и
по пульсоксиметрии и частоте дыхания.
- Виртуальная пространственная протеомика: Модели на основе фундаментального ИИ в патоморфологии (например, модель HEX) предсказывают пространственные протеомные профили экспрессии белков непосредственно из дешевых стандартных гистологических стекол (H&E).
- Виртуальная клиника узлов (Virtual Nodule Clinic): Программное обеспечение, которое анализирует историю легочных узелков и помогает маршрутизировать пациентов, снижая количество ненужных инвазивных бронхоскопий.
Ограничения и этика
- Опасность ложноотрицательных результатов: Виртуальный биомаркер не обладает 100% точностью. Пропуск пациента, которому действительно требовался дорогой тест, может стоить жизни. Модели применяются как инструмент пре-скрининга.
- Проблема сдвига распределения (Data Drift): Изменение реагентов в лаборатории или смена протоколов лечения приводят к тому, что историческая модель начинает выдавать системную ошибку. Необходим непрерывный мониторинг.
- Интерпретируемость (XAI): Использование методов SHAP или LIME обязательно для демонстрации врачу того, какие именно предыдущие анализы повлияли на суррогатный прогноз.
- Мультицентровая валидация: Модель, отлично работающая в одной клинике, может провалиться в другой из-за специфики локальных данных. Для обеспечения надежности требуются строгие кросс-госпитальные исследования и создание глобальных дата-регистров.
Литература
- Shickel B. et al. Deep EHR: A Survey of Recent Advances in Deep Learning Techniques for Electronic Health Record (EHR) Analysis // IEEE Journal of Biomedical and Health Informatics. — 2018. — Т. 22. — № 5.
- Li Y. et al. BEHRT: Transformer for Electronic Health Records // Scientific Reports. — 2020.
- Rajkomar A. et al. Scalable and accurate deep learning with electronic health records // npj Digital Medicine. — 2018. — Т. 1.
- Vickers A. J., Elkin E. B. Decision curve analysis: a novel method for evaluating prediction models // Medical Decision Making. — 2006.
- Heilbroner S.P. et al. A self-supervised framework for laboratory data imputation in electronic health records // Communications Medicine. — 2025. — Т. 5. — № 251.
- Lee H.S. et al. Artificial Intelligence-Enabled Electrocardiography in Practice: A State-of-the-Art Review // Korean Circulation Journal. — 2026. — Т. 56. — № 3. — С. 199-215.
- Mehrotra P. et al. Artificial Intelligence and Digital Biomarkers in Hepatology: Critical Perspectives, Emerging Evidence, and Future Directions // Cureus. — 2025. — Т. 17. — № 9.
- ADVISE Study Group ADVISE: A Machine Learning Framework for Early Recognition of a Surrogate Marker for Ventilator-Associated Pneumonia Using Routinely Collected Critical Care Data // medRxiv. — 2026.
