Если вы когда-либо проходили анализ крови, скорее всего, вам делали общий анализ крови (CBC). Этот тест является одним из самых распространённых в мире и используется миллиарды раз в год для диагностики заболеваний и мониторинга состояния здоровья пациентов. Однако, несмотря на его популярность, интерпретация результатов часто оставляет желать лучшего. В настоящее время результаты анализов основываются на стандартных референсных интервалах, которые не учитывают индивидуальные различия.
Команда исследователей из Университета Вашингтона и Гарвардской медицинской школы провела исследование, в котором использовала машинное обучение для определения здоровых диапазонов показателей крови для отдельных пациентов. Они проанализировали 20 лет данных о тестах крови от десятков тысяч пациентов с обоих побережий США.
Традиционно врачи определяют референсные интервалы, измеряя показатели крови у здоровых людей и принимая средние 95% значений за "норму". Однако эти интервалы могут не отражать индивидуальные особенности. Например, нормальный уровень тромбоцитов для населения составляет от 150 до 400 миллиардов клеток на литр крови, но для конкретного пациента этот уровень может быть значительно уже.
Исследование показало, что индивидуальные нормальные диапазоны были примерно в три раза меньше, чем на уровне популяции. Это означает, что использование индивидуальных показателей для интерпретации новых результатов анализов может значительно улучшить диагностику таких заболеваний, как дефицит железа и хронические болезни почек.
В будущем врачи смогут использовать эти индивидуальные "наборы" для более точного скрининга заболеваний и интерпретации результатов анализов. Это открывает новые горизонты для персонализированной медицины, позволяя каждому пациенту определить, что именно означает "здоровье" для него.