Другое важное направление – диагностика болезней и стратификация пациентов. На языке машинного обучения это классификация и кластеризация. Вам дают какие-нибудь данные и нужно понять, что за болезнь у человека или есть ли там какие-то интересные кластеры, которые врачи не видят. Например, не все пациенты реагируют на лечение. Что-то в них отличается, но что? Есть надежда, что это поможет понять машинное обучение

Особенно это важно в исследованиях рака, где у каждого пациента по сути уникальная болезнь, а лекарства работающие у одних не срабатывают у других. В этой области на слуху стартап Noetik. Они используют данные пространственной транскриптомики. Это как картинки из под микроскопа, только вместо 3 цветовых каналов есть тысячи каналов, каждый из которых показывает активность определённого гена. Дальше компания тренирует masked автоэнкодер – прячет часть. картинки и просит нейросеть восстановить спрятанное по окружению. Пример на видео

Так компания надеется, что нейросеть во-первых выучит биологию и ей можно будет задавать counterfactual вопросы – что изменится, если активность вот этого гена будет вот такой? А также, хочется верить, можно будет кластеризовать (мы называем это «стратифицировать») пациентов и понять, кому нужно какое лекарство