Что, если бы у врачей был настоящий «предсказатель», способный мгновенно определить, выживет ли пациент с циррозом, только попав в больницу? Не гадание на кофейной гуще и не «чутьё» опытного гастроэнтеролога, а инструмент, созданный на базе данных из сотен клиник. Звучит почти как фантастика? Но это уже реальность, о которой рассказывает свежее исследование в журнале «Gastroenterology».
Группа исследователей внедрила метод машинного обучения под названием «случайный лес» (random forest), и результаты, мягко говоря, впечатлили: точность модели оказалась значительно выше, чем у традиционных клинических шкал.
Джасмохан Баджадж (Jasmohan Bajaj) — ведущий автор работы — сравнил эту разработку с «хрустальным шаром», который помогает реанимациям, гепатологам и трансплантационным центрам быстрее и точнее решать, кого лечить в первую очередь.
Как это работало: коротко о методах
Исследователи собрали и проанализировали данные из 121 стационара, входящего в международный консорциум CLEARED (Consortium for Liver Evaluation And Research of Decompensation).
Но на этом они не остановились. Чтобы проверить, насколько универсален их инструмент, модель прогнали через базу данных госпитализированных пациентов-ветеранов в США. Алгоритм и там показал стабильную точность — и это несмотря на отличия в системах здравоохранения и уровне дохода в разных странах.
Что особенно важно
- Даже при использовании всего 15 ключевых параметров модель продолжала стабильно работать — упрощение не убило точность.
- Алгоритм уверенно делил пациентов на группы по уровню риска — от самых стабильных до тех, кто был на грани.
- Подход оказался масштабируемым и пригодным для использования в любых клиниках — хоть в Нью-Йорке, хоть в Найроби.
Почему это так важно — и тревожно
По словам Джасмохана Баджаджа (Jasmohan Bajaj), цирроз часто воспринимается как «второстепенная» болезнь. Но это ошибочное представление. За высокой смертностью стоят алкоголь, вирусные гепатиты и поздняя диагностика — те проблемы, где система даёт сбой ещё до госпитализации.
«Когда пациент уже в палате, это значит, что профилактика не сработала, скрининг не проводился, а амбулаторная помощь, вероятно, была недоступна или неэффективна», — отметил он.
Немного шире: не одно, а три исследования
Это не единственная работа на тему. В журналах Американской гастроэнтерологической ассоциации (American Gastroenterological Association) почти одновременно вышли три статьи:
- Глобальный консенсус по органной недостаточности при циррозе.
- Исследование биомаркеров крови, связанных с повышенным риском смерти в стационаре.
- И, наконец, нынешняя работа — об ИИ, который берёт на себя роль «клинического оракула».
Заключение
Пока одни обсуждают абстрактную этику применения ИИ в медицине, другие уже используют его, чтобы спасать жизни — без пафоса, но с точностью, которая даёт шанс даже там, где раньше была только догадка.
И пусть «случайный лес» звучит как что-то из сказки — именно он сегодня помогает врачам не теряться в лабиринтах тяжёлых диагнозов.
Литература:
Enhancement of Inpatient Mortality Prognostication with Machine Learning in a Prospective Global Cohort of Patients with Cirrhosis with External Validation, Gastroenterology (2025).
Ведущий специалист отдела организации клинических исследований, терапевт, врач ультразвуковой диагностики ООО «ВеронаМед» (г. Санкт-Петербург), главный редактор, учредитель сетевого издания Medical Insider, а также автор статей.
E-mail для связи – xuslan@yandex.ru;
