Аспирант Омского государственного технического университета Андрей Березин разработал программный комплекс на базе машинного обучения для классификации фенотипов заболеваний желудочно‑кишечного тракта. Особенность проекта — использование не синтетических, а реальных обезличенных медицинских данных: в работе задействована информация о 281 пациенте, включающая 112 показателей — от симптомов и результатов анализов до сведений о пищевых привычках и уровне стресса.
На тестовой выборке точность алгоритмов превысила 80 %: в среднем модель верно определяет фенотип заболевания у четырёх из пяти пациентов. При этом анализ показал, что для ИИ наибольшую ценность представляют данные о болевых симптомах и качестве жизни, а не сведения о рационе.
Как отметил сам исследователь, важнейшим результатом проекта стала возможность работать с реальными клиническими данными. Сейчас разработка получила продолжение в рамках кандидатской диссертации — аспирант совершенствует методы анализа данных и машинного обучения.
При этом подчёркивается, что система не призвана заменять врача: это инструмент для обработки массивов информации, настройки и сравнения моделей. Один из ключевых выводов исследования — для развития медицинского ИИ нужны не только новые алгоритмы, но и крупные сбалансированные базы данных: например, из‑за малого числа случаев постинфекционного синдрома раздражённого кишечника модель хуже справлялась с этим фенотипом.
