Исследователи из Российского экономического университета имени Г.В. Плеханова совместно с коллегами из Болгарии разработали подход для ранней диагностики депрессии на основе машинного обучения. Результаты исследования, поддержанного грантом Российского научного фонда (РНФ), опубликованы в журнале Chaos, Solitons and Fractals (ред. – Пресс-служба РНФ).
В пресс-службе Российского научного фонда пояснили, что большое депрессивное расстройство связано с изменением работы отделов мозга, нарушением синтеза сигнальных молекул между нейронами и окислительным стрессом, ведущим к гибели клеток. Однако объективных методов для определения заболевания на начальных стадиях до сих пор не существовало.
Ученые применили два алгоритма для анализа данных функциональной МРТ. В исследовании участвовали 70 человек с диагнозом и 70 здоровых добровольцев. Сначала программа отбирала особенности сетевой организации мозга, отражающие изменения в поведении (например, связи лобной коры). Затем использовался контрастивный подход: алгоритм искал различия между двумя группами людей, игнорируя индивидуальные особенности внутри каждой из них.
Это позволило выявить небольшие, но важные изменения в строении мозга. Итоговая точность различения пациентов и здоровых людей составила 86%. Для сравнения, традиционные клинические методы дают точность около 50%, что сопоставимо со случайным угадыванием.
Предложенный метод указал на 20 ключевых связей в мозге, играющих роль в развитии расстройства (традиционные способы выявили только пять). Как отметил участник проекта Семен Куркин, доктор физико-математических наук, разработка открывает путь к ранней диагностике, более точному лечению депрессии — одной из главных причин нетрудоспособности населения. В будущем ученые планируют применить алгоритм к шизофрении и биполярному расстройству.
