Группа ученых из США и России, в которую вошел аспирант, сотрудник кафедры информационных систем Университета ИТМО (Санкт-Петербург) Евгений Путин, обучила глубокие нейронные сети определять возраст человека по анализу крови. На основе разработанного алгоритма создан веб-сервис Aging.ai. Он позволяет самостоятельно узнать свой возраст, введя результаты биохимического теста. В дальнейшем будет добавлена функция отслеживания состояния организма, которая сделает мониторинг здоровья более наглядным и увлекательным. Результаты исследования опубликованы в журнале Aging. Кровь может многое рассказать о человеке, его образе жизни. Биохимический анализ (метод исследования, характеризующийся выделением и изучением отдельных частей объектов исследования (например, анализ крови, функциональный анализ, анализ требований)) крови может помочь обнаружить проблему прежде, чем она станет патологией. Анализ биомедицинских данных — именно та область, в которой алгоритмы машинного обучения сейчас применяются особенно активно. Веб-сервис Aging.ai — это побочный продукт масштабного научного исследования процессов старения, призванный наглядно показать общественности, насколько важно регулярно сдавать анализ крови (жидкая подвижная соединительная ткань внутренней среды организма, которая состоит из жидкой среды — плазмы и взвешенных в ней клеток — форменных элементов: клеток лейкоцитов, постклеточных структур). « У нашей работы две цели,  — рассказывает главный разработчик системы машинного обучения, сотрудник Международной научной лаборатории «Компьютерные технологии» Университета ИТМО Евгений Путин, это превращение процесса сдачи анализа крови в своего рода игру. Если это будет востребовано, в перспективе мы бы хотели добавить в сервис дополнительный функционал, чтобы каждый человек мог легко отслеживать изменения биохимических параметров. Что по самому простому и распространенному типу лабораторных тестов, можно успешно предсказывать человеческий возраст. Это еще на один шаг приближает нас к персонализированной медицине будущего». Курс на персонализацию медицина взяла сравнительно недавно, но в контексте бурного развития генной инженерии это направление очень актуально. Мы всё больше уходим в сторону упредительной терапии, основанной на предсказании и заблаговременном предотвращении заболеваний. Исследуя механизмы старения, ученые планируют расширить область обучения нейронных сетей (многозначный термин, означающий: Сети предприятий Сеть магазинов Сеть кинотеатров Сеть предприятий питания (рестораны, кафе, закусочные) Сеть предприятий обслуживания (парикмахерские, автосервисы,). Сами по себе биохимические маркеры не дают информации о потенциальных заболеваниях, биометрическими данными способны стать основой доступных «умных» приложений, которые, будут предупреждать о развитии патологий, болезней и вовремя подсказывать нам, на что следует обратить внимание. Результаты работы нейросетей по выделению маркеров старения (В генетике и биологии В медицине Старение человека В демографии В философии В материаловедении, сопромате и инженерных науках В оборудовании и компьютерной технике) могут дать фармацевтическим кампаниям информацию о том, в каком направлении двигаться, чтобы создать препараты для замедления процесса старения. « Сейчас нет четкого объяснения, почему мы стареем,  — говорит Евгений Путин. —  Существует мнение, что старение — это болезнь. Ученые находят множество подтверждений тому, что мы можем жить гораздо дольше». Глубокое машинное обучение позволит разрабатывать более эффективные лекарства и в разы сократить сроки их создания, поскольку многие экспериментальные стадии можно будет проработать с использованием математического моделирования. Сейчас же синтез и испытания лекарств в среднем занимают 10-20 лет. Год назад появился веб-сервис для предсказания возраста по фото How-Old.net. Как раз он и вдохновил ученых на создание новой системы: оба подхода имеют один и тот же математический аппарат. «Биохимический тест содержит в себе гораздо меньше информации о возрасте человека в отличие от портретных фотографий, ведь уже сейчас есть технологии определения эмоций, не говоря уже о поле и возрасте. Поэтому мы считаем большим успехом высокую точность полученных нами результатов. Она обеспечена главным образом тем, что мы использовали глубокие нейронные сети, которые в данной задаче оказались более эффективны по сравнению с другими алгоритмами машинного обучения»,  — отмечает разработчик . Обрабатывая результаты тестов крови, ученые выделили пять наиболее значимых биологических маркеров: альбумин. В веб-сервисе представлено больше — десять. При таком количестве биомаркеров нейронные сети определяют возраст (продолжительность периода от момента рождения живого организма до настоящего или любого другого определённого момента времени) с точностью 70%. Увеличив количество параметров до 41, исследователи достигли 83,5% точности. Ученые независимо обучили 21 нейронную сеть с различной топологической структурой, а затем объединили их в одну общую модель. Исследователи показали, что такое количество сетей полностью обеспечивает имеющуюся точность, и увеличить ее можно только за счет расширения объема данных или количества параметров. Исследования инициированы компанией Insilico Medicine (Университет Джона Хопкинса. Это ведущая компания в области разработки искусственного интеллекта для решения задач, связанных со старением. Ее цель — увеличить продолжительность жизни человека. Данные лабораторных анализов для обучения нейронных сетей были предоставлены крупнейшей независимой диагностической лабораторией в Восточной Европе ИНВИТРО. На обучение (целенаправленный педагогический процесс организации и стимулирования активной учебно-познавательной деятельности учащихся по овладению знаниями, умениями и навыками, развитию творческих) нейросетей потребовалось 56 тысяч образцов и еще 6 200 — на тестирование.                         . Сотрудники Лаборатории компьютерных технологий Университета ИТМО вовлечены в международное сотрудничество как в области искусственного интеллекта. Для повышения профессионализма студентов и аспирантов на базе лаборатории создан кружок по машинному обучению, в рамках которого регулярно проводятся мастер-классы и тренировки по решению прикладных задач с Kaggle. Источник: www.moscowuniversityclub.ru.