Учёные из НИЯУ МИФИ разработали модель цифрового сердца, которая поможет врачам вовремя диагностировать мерцательную аритмию и предотвратить инсульт. Как она работает — рассказывает один из авторов разработки Александр Золотарёв, кандидат технических наук, и.о. заместителя директора Института интеллектуальных кибернетических систем НИЯУ МИФИ.

— Александр, как родилась идея такой разработки?

Модели предсердий с различным распределением фиброза.

— В своё время я параллельно получил два образования – физика и врача, учась в МФТИ и Сеченовском университете по программе двойных дипломов. С тех пор меня интересуют обе области и то, как их можно объединить, работая на стыке физики и практической медицины. Ещё учась в аспирантуре, я выбрал тему сердечных аритмий, нарушений электрофизиологии в работе сердца, а потом пришёл к идее разработки цифровых двойников. Мерцательная аритмия – очень актуальная тема, потому что этим заболеванием страдает огромное количество людей, при этом никто точно не понимает, как его лечить.

Программа, разработанная в МИФИ, это результат компьютерного моделирования с большими вычислительными мощностями. Клинические партнёры – несколько московских и федеральных больниц – предоставляют данные о форме сердца, после чего платформа специальным образом обрабатывает эти данные и записывает в виде анатомического цифрового двойника. Затем мы делаем расчёт, как именно распространяется сигнал. Это уже физиологический цифровой двойник, показывающий динамику в работе сердца. На основании сложных вычислений разработчики могут делать вывод о том, какие типы лечения будут в данном случае наиболее эффективны.

— Что вообще собой представляет цифровой двойник сердца?

— Это фактически копия сердца, но на тот момент, когда мы его обследуем. Под двойником мы обычно понимаем что-то, живущее своей жизнью, существующее вне зависимости от того, наблюдаем мы за ним или нет. Сейчас такого нет. Мы имитируем, моделируем ту активность, которая была в сердце на протяжении какого-то ограниченного времени. На данный момент это виртуальная структура, которая недолго работает на компьютере, хотя я думаю, что в идеальном мире, в далеком будущем, что должна быть именно такая структура, которая живёт сама по себе. Пациент приходит, ему делают слепок, каким-то образом всё моделируют, он уходит, а слепок остаётся на компьютере, где он потихоньку стареет параллельно с человеком. И когда пациент приходит в следующий раз, мы сравниваем показатели за прошедшее время, делаем прогнозы, даём рекомендации и так далее.

— Каким образом вы получаете информацию о форме сердца? С помощью рентгеновских снимков?

— Рентген тут не подходит, нужно трёхмерное изображение – КТ или МРТ. Но есть тонкости. Конкретно для анатомии предсердия, для верхних отделов сердца, существуют сложности, связанные с тем, что это очень тонкая структура, а МРТ её видит как один слой. То есть получить достаточное количество информации о стенке невозможно. Для желудочков, для нижних отделов сердца, всё проще – там мышца более толстая. А нам, если говорить о мерцательной аритмии, важна именно информация о предсердии.

— Модель можно создать на основе только неинвазивных исследований?

— Да, есть такой подход, называется ECGI. Его суть в том, что на тело человека надевают сеточку из электродов, фактически такую кольчугу, которая снимает данные типа ЭКГ. Но регистрируется не суммирующая функция электрических сигналов, а много электрограмм с известными координатами. Эта технология хорошо работает для простых случаев, когда волна возбуждения просто проходит сверху вниз, и нет никаких локальных точек изменения. Если мы уловили, куда и на какой скорости идёт фронт, то можем предсказать, куда он дойдёт и за какое время. Но есть более сложные случаи как раз типа фибрилляции предсердий, когда образуется завихрение, и тогда это работает хуже.

— Сложное компьютерное моделирование необходимо для каждого конкретного случая?

— Да. Каждый конкретный случай отличается, хотя физика одна и та же, но количество элементов разное. Эти элементы обладают разными характеристиками. Да, мы знаем общее уравнение, которое всё это регулирует, но всё равно нам эти уравнения приходится пересчитывать в каждом конкретном случае. Тут можно привести аналогию с планетами. Мы знаем, что ускорение свободного падения на Земле около 10 метров в секунду в квадрате, но эта формула вычисляется из масс Земли и других объектов. Для Юпитера или Марса она будет другой при использовании той же формулы. Так и для конкретного человека. Поэтому каждый раз все мы вычисляем заново. Конечно, для этого не получится использовать ноутбук в кабинете врача. Чтобы моделировать электрическую активность, по крайней мере в текущей ситуации, нужен вычислительный кластер. Но если мы говорим про предсказательную модель, она-то может запускаться и на телефоне.

— Как это будет выглядеть?

— Допустим, у нас есть достаточное количество данных о многих пациентах, которые действительно были просчитаны на суперкомпьютерах. Мы можем в эту модель подгрузить данные конкретного пациента, который к нам пришёл: его анамнез, индекс массы тела, какие-то параметры по ЭКГ, по МРТ. В принципе, программа может выдать ответ даже без моделирования на суперкомпьютере. Но это немножко другая задача. Это не моделирование, это именно предсказание некоего события, связанного со здоровьем человека, на основе, в том числе, цифрового двойника.

— И таким образом можно будет предсказать, например, инфаркт?

— Да, если мы увидим увеличенный риск заболевания у пациента, можно будет сказать: а давайте мы усилим вашу терапию, например. Но пока такого нет. Мы к этому только стремимся. Сейчас моделируется некий короткий участок из жизни сердца, такой временный клон. Но это тоже важный этап, без которого невозможно всё остальное. Иначе говоря, это предсказательная платформа, которая позволит оценить предрасположенность человека к заболеванию и к тому, насколько конкретный тип лечения будет эффективен именно для него.

Александр Золотарёв.

— В чём состоит сложность такого моделирования?

— Самая крупная проблема – это большое количество элементов. Чем точнее, чем с большим разрешением мы сможем моделировать эту активность, тем лучше будут наши предсказания. Мы можем взять, условно говоря, две сетки в тысячу и миллион элементов соответственно. Но первая будет бесполезна, потому что информация потеряется при таком уровне разрешения. Как аналогия с картами – на глобусе с низким разрешением мы понимаем, что где-то есть Европа, а где-то Австралия, а вот где какие-нибудь малоизвестные острова, мы не представляем, если мы с вами не олимпиадники по географии. Поэтому самая большая проблема — это именно количество элементов.

— Что мы вообще можем смоделировать на современном уровне развития науки и техники?

— Как я уже сказал, наша модель – это только попытка моделировать какой-то отдельный фрагмент сердечной деятельности. Мы не можем сейчас моделировать живое сердце в динамике. Мы не можем сказать, когда, в какой момент у человека начнутся завихрения электрического сигнала, которые эквивалентны аритмии, фибрилляции предсердия. Но в будущем это будет возможно. Я на это надеюсь.

— Такие задачи решаются только на человеческом сердце? Может быть, проще обкатать такую технологию на животных, на тех же лабораторных мышах?

— Это очень хороший вопрос. Ответ очень простой. На мышах можно, но тоже бесполезно для практической терапии, потому что электрофизиологическая модель учитывает концентрацию ионов в сердце и определённый тип ионных каналов. Это на самом деле чистая химия, то, как разные типы ионов проходят через клеточные мембраны. У мышей, овец, крокодилов тоже брали сердце и что-то исследовали. Это можно сделать, это будет интересно, люди много лет этим занимаются, чтобы всё лучше понять и обобщить картину электрофизиологии сердца. Но если мы говорим про прицельную прикладную задачу, связанную с человеком, то эти данные мы не сможем использовать, потому что это совсем другой домен. Модель, обученная на тех данных, может работать только для мышей или крокодилов, а для человека не сможет.

— Зато мы научимся спасть мышей от инфаркта. А у них вообще бывает инфаркт?

— Конечно, бывает. Как и человек, мышь может состариться и дожить до своего инфаркта. Именно для фибрилляции есть основной структурный анатомический элемент, к нему предраспологающий — фиброз. Известно, что фиброзной ткани с возрастом становится больше. У пожилого человека, как и у старой мыши, будет фиброз и в лёгких, и в печени. У кого-то он возникнет раньше, а у кого-то его может вообще не будет из-за хорошей генетики, но глобально это статистический факт. И чем больше фиброза, тем больше риск того, что вокруг него образуются завихрения, которые станут драйверами фибрилляции.

— Нельзя ли научить нейросеть такому моделированию на основе данных ЭКГ, которые есть в большом количестве?

— ЭКГ формирует всю функцию сердца, без учета локации конкретных патологии типа фибрилляции, поэтому такая задача проще. Вы точно знаете, какой диагноз у пациента, но предложить лечение не можете. Другая проблема в том, что понять, как именно происходит сокращение предсердий, по ЭКГ практически невозможно. Более того, во время фибрилляции происходит замещение обычной P-волны на волны фибрилляции, F-зубцы. И это становится ещё более сложной задачей. Поэтому сама мысль верная, ведь снять ЭКГ и затем использовать его для проверки модели можно для любого пациента, но для конкретно этого заболевания не подходит. Хотя очень заманчиво такое придумать – не нужно лезть внутрь человека, делать какую-то инвазивную процедуру для валидации, что модель верна, просто ставишь на него датчики, снимающие ЭКГ, и получаешь базовое сравнение.

— А для каких патологий сердца это могло бы подойти? Для инфаркта, например?

— Да, для диагностики инфаркта и сердечной недостаточности подходит, поскольку это связано больше с желудочками. Вообще самая большая сложность моделирования состоит в том, что нужно взять множество специальных уравнений и каким-то образом загнать на суперкомпьютер. Он будет всё это считать, потом ты получаешь результат, но возникает вопрос: можем ли мы это каким-то образом обобщить для новых пациентов, чтобы ускорить расчёты? Мы же понимаем, на основе чего происходит этот расчёт, какие там уравнения. Я как раз недавно выиграл грант РНФ на два года, в рамках которого мы будем пытаться пройти похожий путь. Мы знаем, что есть такие нейронные сети, которые позволяют решать дифференциальное уравнение быстрее, чем они бы решались «в лоб» обычной математикой. Это называется физико-информированной нейронными сетями. Здесь как раз такой подход может сработать, но это вообще не связано с ЭКГ. Хотя сам факт того, что искусственный интеллект способен помогать математике, и такого рода исследования уже есть, очень интересен. Фактически мы сознательно тренируем «нейронку» таким образом, чтобы она понимала физику процесса.

— Правда ли, что ваша модель может не только диагностировать аритмию, но и предсказать инсульт? Как это взаимосвязано?

— Да, это так. Во время фибрилляции предсердий, когда нормальное сокращение сердца нарушено, в полости предсердия может образоваться тромб. Это происходит из-за того, что большая часть крови не выбрасывается наружу, а находится в полости длительное время. Возникают колебания, мерцания, когда предсердие находится в хаотичном движении. Когда, наконец, устанавливается нормальный синусовый ритм, сердце быстро и сильно сокращается, и образовавшийся тромб вылетает в первый попавшийся на его пути сосуд, обычно в сонную артерию. А после этого он попадает в мозг – так происходит ишемический инсульт.

— Как врачи поступают сейчас, чтобы этого избежать?

— Сейчас, если пациенту ставят диагноз фибрилляция предсердий, ему обычно назначают антикоагулянт – препарат, который разжижает кровь, чтобы уменьшить тромбообразование. Проблема в том, что такой препарат усиливается риск кровотечений. Если у человека есть желудочно-кишечные проблемы, то может усугубиться, например, язва желудка или гастрит. Здесь очень важен баланс: с одной стороны, не дать слишком много, чтобы он не страдал от язвы и тем более от неё не умер. С другой стороны, чтобы не случился инсульт, что ещё хуже. Сейчас подбор терапии осуществляется на основе шкал – по сути, «на глазок».

— А ваш подход позволит такую терапию персонализировать?

— Идея заключается в том, чтобы вместо шкал, усредненных по популяции, давать чёткую персонализированную характеристику человека. На её основе врач увидит, находится ли конкретный пациент в зоне риска по инсульту или по язве и сможет принять оптимальное решение.

— Однако сейчас аритмию лечат не только таблетками, но и оперативными методиками. Здесь ваша модель бессильна?

— Как раз наоборот. Сегодня наиболее распространённый хирургический метод лечения при мерцательной аритмии – это аблация, когда в сердце через крупные сосуды вводится катетер, позволяющий физически изолировать патологические участки, ответственные за возникновение фибрилляции. После этого электрические сигналы от этих областей не проходят дальше, и восстанавливается нормальный синусовый ритм. Суть нашей работы в том, чтобы помочь врачам предсказать, где именно возникли эти патологические очаги, ещё до такой операции. Это будет огромная помощь, потому что сейчас возможности врача в поиске этих патологических участков сильно ограничены, даже если у него есть все результаты обследований пациента. Обычно это требует предварительного электрического картирования внутри предсердия, позволяющего понять, как распространяется сигнал. Для этого нужно ввести специальный электрод, который находится на кончике катетера, к разным отделам сердца и записать электрический сигнал, что удлиняет время операции. Цифровой двойник сердца позволит сделать это неинвазивно и дать врачу больше времени на оценку операции. В будущем такая методика должна войти в повседневную медицинскую практику, и я уверен, что это обязательно произойдёт.