Ещё одним интересным примером использования нейросетей по их прямому назначению является вышедшая относительно недавно в Communicatios medicine статья группы исследователей из солнечного Таиланда.

В статье описано создание диагностической модели CEliver, предназначенной для раннего выявления гепатоцеллюлярной карциномы (рака печени). Известно, что у больных в крови наблюдается повышенный уровень внеклеточной опухолевой ДНК, и её фрагменты имеют меньший размер, чем ДНК здоровых клеток. Однако, просто измерить концентрацию или длину недостаточно для надёжной диагностики.

Авторы работы предложили использовать для детекции рака комбинацию капиллярного электрофореза для разделения смеси фрагментов внеклеточной ДНК и ИИ для обработки данных. С помощью капиллярного электрофореза авторы получили цифровые профили распределения фрагментов ДНК по длине.

Главная особенность работы ы заключалась в том, что из этих, на первый взгляд, простых результатов была извлечена 331 количественная характеристика, отражающая форму пиков, соотношения коротких и длинных фрагментов и другие тонкие особенности. Этот многомерный массив данных, включающий также уровень АФП, стал входными данными для модели машинного обучения на базе алгоритма LightGBM.

Хороший пример того, как комбинация аналитической биохимии с системами обработки данных на основе ИИ машинным обучением способна создать точный, масштабируемый и недорогой диагностический инструмент, который может быть внедрён в систему массового скрининга.