Исследователи из России и Болгарии представили вычислительную систему, которая по снимкам МРТ отличает пациентов с большим депрессивным расстройством от здоровых людей с точностью 86%. Об этом сообщает gxpnews.net. В основе разработки — два алгоритма, использующих контрастивное обучение для поиска различий в структуре головного мозга.
На первом этапе алгоритм выделяет особенности сетевой организации мозга, наиболее тесно связанные с поведенческими изменениями, — в частности, перестройки в связях лобной коры. На втором этапе программа сопоставляет признаки между группой пациентов и контрольной группой, игнорируя различия внутри самих групп. Такой подход позволяет фиксировать небольшие, но клинически значимые отклонения, которые ускользают от классических методов.
Почему это важно
Точность традиционной клинической оценки депрессии держится около 50% — фактически на уровне случайного выбора. Новый метод поднимает планку до 86% и одновременно расширяет картину заболевания: алгоритм выделил 20 ключевых нейронных связей, тогда как классические методики фиксировали лишь пять. Это подтверждает гипотезу о том, что большое депрессивное расстройство связано с нарушением работы множества нейросетей мозга, а не локализовано в одной зоне.
Авторы рассчитывают, что технология поможет выявлять депрессию на ранних стадиях, когда поведенческие признаки только формируются, и приблизит психиатрию к персонализированным сценариям лечения. Главный научный сотрудник НИИ прикладного искусственного интеллекта и цифровых решений РЭУ им. Г.В. Плеханова Семен Куркин отмечает, что следующим шагом станет адаптация подхода к шизофрении и биполярному расстройству.
Что это значит для отрасли
Для цифрового здравоохранения работа — еще один аргумент в пользу того, что ИИ-инструменты на основе нейровизуализации готовы выходить из лабораторий в клиническую практику. Психиатрия исторически опиралась на субъективные шкалы и опросники, и появление воспроизводимого биомаркера на основе МРТ способно изменить логику принятия решений врачом.
- точность диагностики растет с 50% до 86%, что снижает риск ошибочной постановки диагноза;
- метод опирается на стандартные МРТ-данные и не требует нового оборудования;
- подход масштабируется на другие психоневрологические заболевания.
Если разработка пройдет клиническую валидацию, она может встроиться в продукты для поддержки принятия врачебных решений и стать частью сервисов телемедицины и медицинских информационных систем.