Автор(ы): Файзуллина Р.М., Гафурова Р.Р.
Город: Уфа
Учреждение: Федеральное государственное бюджетное образовательное учреждение высшего образования «Башкирский государственный медицинский университет» Министерства здравоохранения Российской Федерации
Актуальность
Аллергические заболевания в настоящее время занимают одно из ведущих мест среди хронических патологий детского и взрослого возраста. По данным эпидемиологических исследований, частота их встречаемости достигает 30–40% в общей популяции, при этом наблюдается устойчивая тенденция к росту числа пациентов с полисенсибилизацией и тяжёлым течением. В последние годы активно развивается молекулярная диагностика, позволяющая выявлять специфическую сенсибилизацию не к целым аллергенам, а к отдельным компонентам. Однако анализ результатов мультиплексных панелей, включающих десятки или сотни молекул, требует значительных ресурсов и высокого уровня экспертных знаний. В этой связи применение методов ИИ открывает новые возможности для стандартизации, ускорения и повышения точности интерпретации данных.
Цель
Оценить возможности применения ИИ для обработки и интерпретации данных молекулярной аллергологической диагностики на примере группы пациентов с различными формами аллергических заболеваний.
Материалы и методы
В исследование были включены 40 пациентов (24 ребёнка и 16 взрослых) с клиническими проявлениями аллергического ринита, бронхиальной астмы и атопического дерматита. Всем участникам проведено молекулярное тестирование методом мультиплексного анализа аллергенных компонентов. Первичную обработку данных выполнили с использованием искусственного интеллекта, после чего результаты были оценены врачами-аллергологами-иммунологами.
Результаты
Анализ данных 40 пациентов показал, что применение ИИ позволило выделить несколько устойчивых профилей сенсибилизации. У 14 пациентов (35%) преобладала реакция на пищевые аллергены растительного происхождения, преимущественно белки семейства PR-10 и профилины. В этой группе у 64,3% отмечался орофарингеальный аллергический синдром, у 42,8% — лёгкие формы атопического дерматита. У 11 пациентов (27,5%) выявлялась доминирующая сенсибилизация к бытовым и эпидермальным аллергенам, преимущественно клещам домашней пыли и эпителию животных; клинически у них чаще диагностировался персистирующий аллергический ринит (72,7%) и бронхиальная астма (54,5%). У 15 пациентов (37,5%) наблюдалась сочетанная сенсибилизация к пыльцевым и пищевым аллергенам, при этом 60% имели сезонные обострения респираторных симптомов, а у 33,3% отмечались эпизоды генерализованных реакций. Сравнение автоматической обработки с экспертной оценкой врачей показало высокую степень совпадения: 82,5% (33 из 40 пациентов). В оставшихся 7 случаях (17,5%) расхождения касались минорных аллергенов, не имевших значимого клинического влияния. Важным преимуществом применения ИИ стала возможность быстрой визуализации индивидуальных карт сенсибилизации с указанием перекрёстных реакций и потенциальных рисков. Это позволило сократить время анализа одного исследования практически в два раза (в среднем с 20 до 10 минут) и повысить наглядность результатов при обсуждении с пациентами и их родственниками.
Обсуждение
Полученные данные подтверждают, что использование искусственного интеллекта может значительно облегчить интерпретацию больших массивов информации в молекулярной аллергологии. Особенно важно, что применение ИИ позволяет ускорить процесс обработки, снизить риск субъективных ошибок и повысить воспроизводимость результатов. Аллергологи отметили высокую степень соответствия автоматической обработки реальной клинической картине и подчеркнули удобство представления информации в виде индивидуальных карт сенсибилизации. Таким образом, ИИ можно рассматривать как вспомогательный инструмент, усиливающий аналитические возможности врача, но не заменяющий его экспертное заключение. Перспективным направлением является дальнейшая интеграция подобных систем в клинические информационные платформы и их адаптация для разных категорий пациентов.
Выводы
1. Применение ИИ при анализе данных молекулярной аллергологической диагностики позволяет систематизировать результаты и выявлять клинически значимые профили сенсибилизации.
2. Высокая степень совпадения автоматизированной обработки с экспертной оценкой аллергологов (82,5%) подтверждает достаточную надёжность и практическую ценность данного подхода.
3. Использование ИИ способствует сокращению времени анализа почти в два раза и повышает наглядность представления результатов, облегчая обсуждение с пациентами и их родственниками.
4. Внедрение технологий ИИ в аллергологическую практику является перспективным направлением развития персонализированной медицины, обеспечивая более точное планирование диагностики, профилактики и терапии.
Рита Гафурова
Ваш комментарий будет первым!
Войти или зарегистрироваться, чтобы оставить комментарий.