Ученые из России и Болгарии разработали вычислительную систему на основе контрастивного обучения, которая с точностью 86% отличила пациентов с большим депрессивным расстройством от здоровых людей. В ее основе лежат два алгоритма, которые ищут различия в МРТ-снимках головного мозга. Разработка позволит точнее диагностировать клиническую депрессию у людей на ранних стадиях, когда изменения в поведении только начинают проявляться.
Сначала алгоритм из исходных данных выбирал особенности сетевой организации мозга, лучше всего отражающие изменения в поведении, например перемены в связях лобной коры. Затем исследователи использовали контрастивный подход, при котором программа старалась найти различия в выделенных на предыдущем этапе признаках между пациентами с депрессией и здоровыми людьми, не учитывая различия внутри каждой из групп. Такое решение, в отличие от традиционных методов, позволило обнаружить небольшие, но клинически значимые изменения в строении мозга, отличающие пациентов от контрольной группы.
В результате авторы смогли с точностью 86% различить здоровых людей и пациентов с депрессией.
Для сравнения, традиционные методы исследования, включающие клиническую оценку, показали точность около 50%, что близко к вероятности случайного выбора.
Ученые также подтвердили, что большое депрессивное расстройство — это не очаговая патология. Оно связано с нарушением работы многих нейронных сетей в головном мозге. Так, предложенный подход указал на 20 основных связей, играющих роль в развитии депрессии, тогда как традиционные методы выявили только пять из них.
«Предложенный алгоритм увеличит точность диагностики и откроет путь к более персонализированному подходу в лечении, способствуя повышению качества жизни пациентов и снижению социально-экономического бремени заболевания. В дальнейшем мы планируем применить разработанный подход к другим психиатрическим и неврологическим заболеваниям, таким как шизофрения и биполярное расстройство», — сказал участник проекта, главный научный сотрудник НИИ прикладного искусственного интеллекта и цифровых решений Российского экономического университета имени Г.В. Плеханова Семен Куркин.