Решить сложную задачу с разведением диагнозов большого депрессивного и биполярного расстройств помогли алгоритмы машинного обучения. С помощью функциональной магнитно-резонансной томографии они научились определять эти заболевания по активности мозга и в сложных случаях, когда специалисты не могут поставить точный диагноз, предсказывать лечение одной, либо другой патологии с более чем 90-процентной точностью. Этому посвящена статья, опубликованная в журнале Acta Psychiatrica Scandinavica.
Credit: Public Domain
Психиатрам иногда трудно отличить биполярное (BD) от большого депрессивного расстройства (MDD) у пациентов без очевидной фазы мании, и таких больных могут лечить ошибочно в течение многих лет. Чтобы облегчить врачам задачу и обеспечить пациентов даже в сложных случаях нужной терапией, которая им поможет, специалисты Исследовательского института здоровья Лоусона (Лондон, Онтарио) и Сети исследований психики в Альбукерке (Нью-Мексико) решили подключить к ее решению искусственный интеллект.
Под управлением доктора Элизабет Осъюч (Elizabeth Osuch), руководителя программы FEMAP Лондонского центра наук о здоровье (London Health Sciences Centre’s First Episode Mood and Anxiety Program), исследователи включили в программу 78 новых пациентов, с которыми решили провести эксперимент. 66 из них поставили точный диагноз сразу (BD или MDD), а вот с двенадцатью оказалось сложнее – их клинические проявления не обладали очевидными характеристиками, благодаря которым их можно было отнести в одну, либо другую группу. Кроме того, в исследование вошла контрольная группа из 33 здоровых добровольцев.
Всем участникам провели функциональную магнитно-резонансную томографию, которая позволяет «прочитать» активность мозга, и выявили достоверные отличия в его работе среди больных депрессией и биполярным расстройством. Активность различалась в нескольких областях, в том числе в сети пассивного режима работы мозга, которая активируется во время бездействия и, как считается, отвечает за формирование сознания. Кроме того, различия выявились и в работе таламусов – главной «трансформаторной будки» мозга, перераспределяющей поступающие в него сигналы и контролирующей бдительность.
Этих данных хватило для того, чтобы обучить алгоритм разделять патологии с точностью в 92,4 процента. Затем его направили на анализ томограмм оставшихся 12 «неясных» пациентов и проверили, насколько точным окажется прогнозирование их ответа на лечение, которое назначат в соответствии с результатом проверки. И искусственный интеллект не подвел – участники эксперимента из этого числа, которым машина поставила диагноз большого депрессивного расстройства, хорошо отреагировали на антидепрессанты, тогда как люди с биполярным расстройством прекрасно ответили на стабилизаторы настроения. Причем, точность ответа достигла 91,7 процента – 11 из 12 пациентов терапия пошла на пользу.
«Эта работа предполагает то, что однажды у нас появятся объективные показатели психических заболеваний, строящиеся на результатах визуализации головного мозга, что позволит ставить диагноз быстрее, эффективнее и более согласованно», — говорит доктор Осъюч.
Ученые тем не менее понимают, что их выборка слишком мала для того, чтобы делать какие-то глобальные выводы, и собираются совершенствовать алгоритм, добавляя в его обучающую базу новую информацию.
Текст: Анна Хоружая
Complexity in mood disorder diagnosis: fMRI connectivity networks predicted medication‐class of response in complex patients by E. Osuch S. Gao M. Wammes J. Théberge P. Willimason R. J. Neufeld Y. Du J. Sui V. Calhoun in Acta Psychiatrica Scandinavica. Published August 2018.
https://doi.org/10.1111/acps.12945
Читайте материалы нашего сайта в Facebook, ВКонтакте, Яндекс-Дзен и канале в Telegram, а также следите за новыми картинками дня в Instagram.
