Искусственный интеллект помогает российским врачам диагностировать психические расстройства

Как ИИ учится анализировать патологические состояния, насколько его данные точны и могут ли использоваться врачами при диагнозе.

Чья идея?

Проект под названием «Новые физико-математические методы исследования активности головного мозга, основанные на машинном обучении и теории сложных сетей» был реализован Александром Храмовым, главным научным сотрудником Балтийского центра нейротехнологий и искусственного интеллекта.

В реализации ему помогла команда математиков и медиков Балтийского федерального университета имени Канта (БФУ), а также коллеги из Болгарии (Пловдивский медицинский университет) и Испании (Мадридский политехнический университет).

Финансовую поддержку учёным оказал Российский научный фонд. Исследование же велось в рамках стратегического проекта БФУ «Когнитивное долголетие» при поддержке программы Минобрнауки России «Приоритет 2030» (нацпроект «Наука и университеты»).

В чём суть идеи?

Если говорить простыми словами, то учёные разработали новый метод машинного обучения искусственного интеллекта (ИИ), благодаря которому он будет способен предсказывать и находить изменения в работе мозга людей с психическими заболеваниями, и объяснять, почему эти изменения произошли.

Справка
Метод машинного обучения — способ обучить компьютер / ИИ / алгоритм не с помощью программы, а с помощью примера.
То есть машине предоставляют набор примеров того, как определенная задача была решена человеком или другой машиной, и она решает похоже, совершенствуясь с каждым разом и работая всё быстрее.

Набор таких примеров называется датасет. С помощью датасетов алгоритмы учатся делать прогнозы, находить интересные решения, выделять важное и сортировать информацию: в общем, анализировать данные.
И, если задать правильные примеры «на входе», обученный ИИ будет быстро и качественно справляться с быстрой аналитикой больших объёмов данных.

Кроме того, теперь, данные, полученные от ИИ, ученым станет легче интерпретировать: будет понятно, на основании каких параметров он пришел к своим выводам. Это — важный момент, поскольку раньше у исследователей не было возможности выделить эти параметры.

Проект Александра Храмова создает все предпосылки для того, чтобы применение ИИ стало укореняться в нейрофизиологии.

Как алгоритм научили диагностике?

Обучение происходило следующим образом. Исследователи собрали две группы добровольцев: первая группа включала в себя людей молодого возраста, вторая — пожилого, общим числом 85 человек. 35 из них имели большое депрессивное расстройство (другое название — БДР или клиническая депрессия) и 50 были здоровы.

Справка
Большое депрессивное расстройство — психическое расстройство, при котором человек испытывает подавленность и безнадежность. Почти всегда теряется способность получать удовольствие от любимых занятий, могут посещать мысли о смерти или самоубийстве.
На физическом уровне БДР проявляется усталостью, головными болями, раздражительностью, проблемами со сном, пищеварением, памятью и концентрацией, сексуальным влечением, социализацией.

Причины БДР разные: стресс, насилие, жестокое обращение, безнадзорность; качество окружающей среды, воздуха; предрасположенность определенного человека к депрессии. Все эти причины вызывают изменения в химической передаче сигналов мозга.

Диагностируют БДР с помощью тестов, внешнего осмотра пациента, бесед. Что не всегда даёт точное понимание о тяжести болезни. Лабораторных тестов для диагностики депрессии нет. Однако врачи часто проводят другие тесты, чтобы выявить, всё ли в порядке со здоровьем пациента и нет ли у депрессии физической причины.

У разных людей депрессия возникает по-разному. Кто-то сталкивается с 1 или 2 эпизодами за всю жизнь, у кого-то эти эпизоды случаются периодически, а кто-то живет с БДР всю жизнь. Сегодня у 3,8% населения земли (более чем у 280 миллионов человек) диагностирована клиническая депрессия.

Лечится БДР с помощью психотерапии и медикаментов.

Все 85 испытуемых выполнили тесты на мелкую моторику. Во время выполнения ими задач ученые фиксировали сигналы их мозгов с помощью функциональной магнитно-резонансной томографии (фМРТ).

Это разновидность МРТ, которая основана на взаимосвязи активности нейронов мозга и мозгового кровотока.
Когда определенная часть мозга активна, приток крови к ней увеличивается — именно этот процесс и помогает увидеть фМРТ, как во время обычного состояния мозга, так и при различных патологических состояниях.
Сегодня функциональная магнитно-резонансная томография — один из способов визуализации процессов, происходящих в мозге.

На основе информации из снимков, ученые построили графы — конструкции, которые визуализируют объекты и связь между ними. Объекты в графе выглядят как узлы (точки), а связи — как рёбра (линии между точками). Графы строятся на основе математических формул, где каждый символ обозначает определённый набор данных.

Так вот в наборах графов испытуемых точки отображали области мозга, а ребра — взаимодействие между нейронами в этих областях при процессе принятия решений испытуемыми. Эти наборы исследователи загрузили в графовую нейронную сеть. И «попросили» её проанализировать данные, исходя из следующих характеристик:
— силы узла, соответствующей активности области мозга;
— количества ребер, то есть число взаимодействий между областями;
— коэффициента кластеризации, показывающего, в какой степени узлы имели тенденцию группироваться вместе.

Использование этого набора метрик позволило алгоритму работать корректно и распознать отличия в работе всей сети нейронов здоровых людей и людей с депрессией (а не отличия между отдельными связями). В итоге графовое представление восстановленной функциональной сети головного мозга (слабые связи отброшены) выглядело вот так: (вставить изображение отсюда).

Точность определения человека с депрессией составила 82,6 процента, что является отличным результатом.

Какие перспективы применения?

Применение нейросети при диагностике позволит, во-первых, отслеживать глобальные изменения в структуре мозга у людей с депрессивным расстройством.

Во-вторых, это позволит быстро и точно диагностировать депрессию на основе малого числа данных, без длительных тестов, которые часто утомляют пожилых людей.

В-третьих, методика, описанная выше, может стать основой для построения более глубоких моделей деятельности мозга, не только за счет добавления новых данных, но и за счет создания набора локальных моделей для отдельных зон мозга, соединенных такой функциональной сетью.

И наконец, разработчики проекта планируют использовать данные о возрастной динамике изменений нейронов, полученные в ходе этого исследования, для выделения биомаркеров этого и других неврологических заболевании. Чтобы в будущем врачи точно знали, на что следует обращать внимание при определении болезни на основе фМРТ. Также планируется разработка методов ранней диагностики нейродегенеративных заболеваний у пожилых людей по результатам простых тестов.

Автор: Виктория Беляева