Учени от Техническия университет прецизират алгоритмите така че моделът да "обясни" защо е стигнал до даден извод
Как да се създаде достатъчно точен сензор за измерване на кръвната захар? Как да се управлява инсулиновата помпа при различните пациенти с всичките им невъобразими особености, за да може устройството автоматично да подаде необходимото количество в точния момент? Това е една от най-трудоемките задачи, върху която различни екипи по света работят от 60 години насам.
Проблемът се усложнява поради факта, че всеки организъм е различен - спецификите при деца са едни, при по-възрастни - други, при хора с няколко придружаващи заболявания този пъзел е още по-пъстър, а когато към всичко това се прибавят и килограмите, тогава се получава уравнение с десетки неизвестни. Затова учените в различни краища на света се опитват да създадат някакви усреднени модели на поведението на организма, които, за съжаление, не сa съобразени с индивидуалните особености на всеки човек.
Екипът в Техническия университет - София през 2018 г. избира трудния път към научния Еверест, амбициран да докаже, че по нищо не се отличава от най-добрите. Но и да помогне на над 100-те хил. диабетици у нас и на онези, които все още не знаят, че са носители на заболяването, да водят качествен живот.
Пробивът е реализиран благодарение на проект, посветен на устойчивото развитие на университетите, финансиран по ПВУ в рамките на проект: №: BG-RRP-2.004-0005 "Подобряване на научноизследователския капацитет и качество за международна разпознаваемост и устойчивост на ТУ - София".
"Когато човек се инжектира, много трудно може да държи необходимата концентрация на глюкоза от 170 милиграма на децилитър, трудно е, защото много фактори влияят на кръвната захар", казва пред "24 часа" главен асистент Йордан Кралев от екипа на ТУ - София. Целта е да се постигне ново ниво, което многократно превъзхожда старите методи, и именно това е предизвикателството.
"Няма двама души, които да реагират по един и същи начин, които да са с една и съща резистентност, времединамика - обяснява Кралев. - Организмът е сложна биохимична система с хиляди реакции, с разнообразни метаболитни вериги, психологични фактори, различна физическа активност, хранене, причини, които не можем да контролираме дори в лабораторни условия."
Когато започват да се занимават с тази комплексна задача, изискваща задълбочени познания в различни науки, се оказва, че всъщност тя е многократно по-сложна. Причината е, че ако се прави подкожно измерване със сензор, се получава разминаване между инжектирането и реакцията в плазмата в рамките на 15-20 минути, понякога и повече. "Ако обаче човек е с наднормено тегло и има повече мазнини, тогава закъснението става още по-голямо", обяснява Кралев. Затова първата задача пред екипа е да изгради математически модел, който да обхване всички вариации и процеси, които трябва да бъдат под контрол. "По темата има много разработки в цял свят и повечето работят с типови модели - обяснява доц. Цоньо Славов. - Те са от класа на нелинейните диференциални уравнения, но при тях се губи точност." Затова екипът отхвърля този подход и търси нов.
При него трябва да има неопределеност и да са в състояние да представят неточността в модела като неизвестност, за да обхванат възможно най-широката палитра от пациенти.
Създават модел, след което започват да експериментират, за да оценят дали правилно отразява реалността. Колкото е по-неверен, толкова по-широки граници на неопределеност има и тук учените от ТУ - София, вадят най-силния си коз - мощен инструментариум от линейни алгоритми за синтез на робастни регулатори (нечувствителни регулатори към неточностите в модела, смущенията и сигналите), с които гарантират качеството на системата. Разбира се, когато неточността остане в предварително определените от тях граници. Заедно с това вкарват в задачата и възможно най-широкия диапазон от закъснение в получаването на данните, вариращ от 10 до 60 минути. Причината е, че той обхваща целия спектър от пациенти - от най-малките до най-възрастните, от най-слабите до най-пълните.
"След което разработеният алгоритъм на управление се проверява с модели на различни пациенти - с възможно най-високо тегло, с най-ниско, деца, възрастни и т. н. - посочи доц. Аспарух Марковски. - Важното е за всички тях да се постига добро управление на нивото на кръвната захар, включително при ядене, спорт и т. н."
"За целта търсим и кой е най-консервативният модел - такъв на най-трудния за поддържане пациент", допълни доц. Цоньо Славов.
Сега учените са на етап компютърни симулации, след като със софтуера на американската Агенция за контрол на храните и лекарствата (FDA) доказват, че българският регулатор е достатъчно добър за цялото многообразие от пациенти. Тоест моделът е тестван компютърно и вече е доказано, че отразява правилно реалната физика и особеностите на различни типове хора.
"Трябва да го валидираме в микроконтролер - във физическо устройство, с инсулинова помпа, вече сме установили контакти с швейцарска компания, която ще проведе клиничните изпитания", отбеляза доц. Цоньо Славов.
Устройството включва сензор с вградена миниатюрна игла, който се лепи на ръката, за да следи подкожно състоянието на кръвната захар, а помпата се монтира в коремната област. Мобилно приложение позволява да се визуализират и анализират данните в реално време. Самият сензор трябва да се сменя на две седмици.
Именно затова нашите учени са предприели стъпки алгоритъмът им, макар и много по-сложен и прецизен от съществуващите, да бъде вграден в системата за автоматично управление на помпата и да бъде изпитан в полеви условия. Според тях от този етап нататък това ще е техническа задача - въпрос на програмиране, верифициране и хардуерна симулация.
Но учените от Факултет "Автоматика" към ТУ - София, работят и по други проекти със сходна тематика.
Под ръководството на специалисти от Университетска болница "Царица Йоанна" и Института по електроника към БАН те създадоха устройство на базата на флуоресцентна спектроскопия за бърза начална диагностика на различни видове кожен рак. При него не се обработват изображения, както повечето AI модели, а флуоресцентни и отражателни спектрограми, откриващи химични маркери при слабо осветление. По този начин събраните данни дават насоки на медиците дали са необходими по-задълбочени изследвания.
"Направихме система с модел - невронна мрежа, който прави класификация за дадена диагноза - обясни доц. Аспарух Марковски. - В момента се провеждат необходимите изследвания и тестове в Института по електроника и в МБАЛ "Царица Йоанна"."
Според медиците при малък брой пациенти са налице няколко вида рак и някои от тях могат да бъдат пропуснати при биопсия, а с устройството се засичат.
С напредването на този тип разработки учените от ТУ - София, стават част от новата вълна специалисти, подготвящи базата на медицината от ново поколение, когато АI модели ще правят бърз скрининг на населението за различни заболявания и ще могат да се вземат мерки навреме.
"Големият проблем при съвременните AI модели е, че често действат като черна кутия - дават резултат, но не е ясно защо - обяснява доц. Владимир Христов. - В медицината това е недопустимо. Лекарят трябва да знае какво точно е повлияло на решението."
Затова учените работят с т.нар. обясним изкуствен интелект - алгоритми, които не само класифицират изображенията, но и визуално показват кои области са били ключови за взетото решение. Това позволява на медиците да проверят дали алгоритъмът "гледа" реалния проблем, а не случайни шумове или артефакти. Друг важен фокус е оптимизацията на невронните мрежи. Вместо все по-големи и тежки модели екипът разработва методи за "олекотяване" на алгоритмите, така че те да останат точни, но да работят по-бързо и с по-малко ресурси - нещо критично за вграждане в реални медицински устройства.
Сходни технологии намират приложение и в индустрията - например при автоматизиран контрол на качеството в производството на оптични елементи, където и най-малкият дефект може да компрометира цял продукт. Вместо субективна визуална проверка системите използват цифров анализ и AI, съобразени с международните стандарти. Сходни методи екипът прилага и в на пръв поглед далечна област - наблюдението на Слънцето и т.нар. космическо време. Там проблемът отново е работа с изключително шумни, непълни и неравномерни данни.
"Работим върху хибридни модели, които комбинират дълбоки невронни мрежи със скрити маркови модели - обяснява доц. Христов. - Невронната мрежа разпознава сложните образи в данните, а марковият модел описва вероятностните преходи във времето." Конкретен пример са слънчевите радиобърстове от тип III - краткотрайни, но много интензивни радиоизлъчвания, които са индикатор за ускорени електрони и могат да окажат влияние върху комуникации, навигационни системи и сателити. Те са редки, силно вариабилни и често "потънали" в шум.
Затова учените създават и синтетични спектрограми - изкуствено генерирани данни, които възпроизвеждат реалната физика на процесите. Това позволява алгоритмите да се обучават по-надеждно и да не се "учат" само от ограничен и неравномерен реален архив.
"Подходът е универсален - подчертава Христов. - Става дума за моделиране на редки събития във времето при силна неопределеност - независимо дали говорим за медицина, индустрия, или космическо време."
С напредването на тези разработки учените от Факултет "Автоматика" към ТУ - София, се утвърждават като част от новото поколение специалисти, които подготвят технологичната основа на медицината и индустрията на бъдещето. Там, където изкуственият интелект няма да замества човека, а ще му помага да взема все по-бързи, по-точни и по-надеждни решения.
