Британские исследователи разработали метод машинного обучения, который позволяет усовершенствовать подбор неродственных доноров для трансплантации костного мозга.

В Великобритании существует Национальная служба здравоохранения (NHS), и под ее «зонтиком» работает специальный департамент, который занимается донорством крови, органов, тканей, костного мозга и стволовых клеток. Что значит «занимается»? Он управляет всей логистикой — забором материала, хранением, трансплантацией, а еще стремится все эти процессы совершенствовать, улучшать, оптимизировать.

Для этого есть целый штат исследователей. И одно из направлений их деятельности — поиск способов, благодаря которым можно было бы подбирать доноров из баз данных быстрее, надежнее, точнее. Это касается и пересадки костного мозга, для успеха которой крайне важна максимальная совместимость донора и реципиента. Скорость подбора тоже имеет значение: чем больше времени затрачивается от постановки диагноза до трансплантации, тем менее благоприятным может быть результат. Так что чем скорее находится донор, тем лучше.

Группа британских ученых занялась как раз разработкой метода машинного обучения, который бы позволил усовершенствовать подбор неродственных доноров. Суть машинного обучения, если по-простому, в том, чтобы компьютер с помощью массива данных и специальных алгоритмов сам научился решать необходимые задачи. В этом конкретном случае — с высокой степенью точности прогнозировать наличие подходящих доноров гемопоэтических стволовых клеток в имеющихся регистрах.

Ключевой момент в исследовании — определить доступность донора, под которой понимается готовность и пригодность человека к донации. Что имеется в виду? В регистре могут быть найдено даже несколько подходящих по генам HLA кандидатов, однако возможно и такое, что до сдачи клеток ни с одним из них дело не дойдет. Из-за множества факторов. Допустим, человек давно состоит в регистре, и за это время состояние его здоровья настолько изменилось, что для донации он теперь не подходит. Или, если это женщина, она беременна. Или, пожалуй, самая частая проблема для большинства регистров: человек поменял место жительства, номер телефона и тому подобное, и, как бы ни старались сотрудники, найти его не удается. Могут возникнуть и другие, личные причины, по которым человек отказывается от донации.

Казалось бы, можно ли прогнозировать всего-то по данным о доноре в регистре, что он готов и пригоден для сдачи кроветворных клеток? Ведь сколько может быть непредсказуемого, случайного. Однако разработка британцев свидетельствует, что да, это возможно.

Ученые обратились к базе Британского регистра доноров костного мозга (BBMR), в которой на 1 августа 2019 года состояло больше 370 тысяч человек. А доля кандидатов, не дошедших по разным причинам до этапа повторного HLA-типирования донора (эта дополнительная проверка проводится после выявления его совпадения с реципиентом), составляла 36%.

В рамках исследования было проанализировано 10 258 запросов на повторное типирование потенциальных доноров, отправленных регистром за пять лет, с 2013 по 2018 год, а также полученные на них ответы. Используя эти данные, ученые тестировали разные алгоритмы машинного обучения, чтобы оценить их способность спрогнозировать ту самую доступность доноров.

Получилось следующее. Из массива запросов ученые выделили 12 характеристик потенциальных доноров: возраст, пол, этническую принадлежность, социально-демографические показатели (в том числе уровень образования, дохода, семейный статус), является ли человек донором крови, как давно он числится в регистре, как давно обновлялись его контактные данные и другое. Разные алгоритмы обрабатывали эту информацию и учились прогнозировать готовность и пригодность доноров. Наилучшую прогностическую способность в итоге показал метод «деревья принятия решений» (0,826 из 1). Не вдаваясь в тонкости его работы, обратимся к результатам прогноза.

Однако ключевым фактором стало «количество дней с момента последнего контакта с донором». Ученые среди прочего замеряли наличие у кандидата на донацию костного мозга приложения для смартфона для доноров крови, запущенного в 2014-м Национальной службой здравоохранения: с его помощью можно записаться на сдачу крови, отслеживать свою статистику и получать поощрения. Установка приложения повышала шансы на то, что потенциальный донор станет реальным.

Метод машинного обучения, как отмечают разработчики, позволяет с высокой степенью точности спрогнозировать, например, к кому из подошедших из регистра кандидатов в случае совпадения стоит обратиться, чтобы сократить по времени путь от подбора до трансплантации. Бывает, что затраченное на это время — вопрос жизни пациента.