Система с ИИ считывает изменения нейронов и определяет депрессию с точностью 86%
Фото: freepik
Исследователи из Российского экономического университета имени Г. В. Плеханова (Москва) разработали инновационную систему на базе искусственного интеллекта, способную с высокой точностью выявлять пациентов с большим депрессивным расстройством (БДР) на ранних стадиях. Ключевым элементом метода является анализ данных функциональной магнитно-резонансной томографии (фМРТ), который позволяет выявлять характерные изменения в работе мозга.
Работа, поддержанная грантом Российского научного фонда (РНФ), была опубликована в престижном международном журнале Chaos, Solitons and Fractals. В рамках исследования учёные проанализировали данные фМРТ 70 пациентов с подтверждённым диагнозом БДР и 70 здоровых добровольцев.
Для обработки данных были использованы две технологии машинного обучения:
Алгоритм автоматического отбора признаков, который помогает выделить ключевые особенности работы мозга, связанные с изменениями в поведении.
Метод контрастного анализа, направленный на выявление значимых различий между группами пациентов и здоровых людей.
Анализ показал тонкие, но важные изменения в функциональной активности мозговых нейронных сетей, характерные для пациентов с БДР. Точность новой системы составила 86%, что значительно превосходит традиционные клинические методы диагностики, которые не достигают и 50%.
Этот подход не только подтвердил мультисистемный характер патологических изменений при депрессии, но и выявил 20 ключевых связей между нейронными сетями, играющих важную роль в развитии заболевания, в то время как традиционные методы обнаруживали лишь пять таких связей.
Семён Куркин, главный научный сотрудник НИИ прикладного искусственного интеллекта и цифровых решений РЭУ имени Г. В. Плеханова и доктор физико-математических наук, отметил, что разработанная система является объективным и интерпретируемым инструментом для ранней диагностики депрессии. Этот метод позволяет выявлять скрытые нарушения во взаимодействии крупных нейронных сетей, которые не могут быть обнаружены с помощью традиционных диагностических подходов.
Новая разработка открывает перспективы для создания персонализированных стратегий лечения, направленных на коррекцию выявленных патологических механизмов. В будущем планируется адаптация методики для диагностики других психических и неврологических заболеваний.
В исследовании также участвовали специалисты из Медицинского университета в Пловдиве (Болгария) в рамках Стратегической программы исследований и инноваций для развития MU-Plovdiv (SRIPD-MUP), а также сотрудники Государственного института русского языка имени А. С. Пушкина в Москве.
