Можно ли оценить детский интеллект по МРТ?

30 декабря 2019

Группа исследователей из Центра по научным и инженерным вычислительным технологиям для задач с большими массивами данных (CDISE) Сколтеха приняла участие в международном конкурсе прогнозирования уровня интеллекта подростков по МРТ мозга. Для решения этой задачи ученые из Сколтеха впервые применили ансамблевые методы на основе 3D сетей глубинного обучения. Результаты исследования были опубликованы в журнале Adolescent Brain Cognitive Development Neurocognitive Prediction.

В 2013 году Национальный Институт Здоровья (NIH, США) запустил самое масштабное исследование развития когнитивных способностей у подростков — Adolescent Brain Cognitive Development (ABCD).

МРТ — распространенный способ получения изображений внутренних органов и тканей человека, который основан на явлении ядерного магнитного резонанса. Ученые заинтересовались возможностью предсказания уровня интеллекта на основании информации, полученной из МРТ снимков мозга. В базе, которой располагает NIH, хранятся более 11 тысяч структурных и функциональных МРТ снимков подростков 9-10 лет. Ученые из NIH запустили международное соревнование, основанное на базе данных NIH, впервые опубликованной для общего доступа. Участникам соревнования предлагалось построить предсказательную модель на основании изображений мозга.

К соревнованию подключились ученые из Сколтеха. Ученые применили к работе с МРТ снимками нейронные сети. Для этого была построена архитектура сети, предполагающая применение к одним и тем же данным нескольких математических моделей для повышения точности прогноза. Для анализа МРТ был использован новый ансамблевый метод.

Основная задача проведенного в Сколтехе исследования связана с прогнозированием уровня интеллекта, который не зависит от уровня знаний и навыков, а характеризует биологические возможности нервной системы — коэффициент так называемого “текучего интеллекта”. При этом измеряется не сам уровень текучего интеллекта, а целевая переменная, которая не зависит от возраста, пола, объема головного мозга и используемого МРТ сканера.

«Наша команда занимается в том числе и развитием методов глубинного обучения для задач машинного зрения для анализа данных МРТ. И в этом исследовании мы применяли ансамбли классификаторов на трехмерных сверхточных сетях: такой подход позволяет классифицировать изображение целиком, без предварительного снижения размерности, а значит и без потери информации», — рассказывает аспирантка CDISE Екатерина Кондратьева.

По результатам исследования была выявлена корреляция между уровнем «текучего» интеллекта ребенка и анатомией мозга. Точность прогнозирования пока далека от идеальной, тем не менее, модели, разработанные в рамках данного соревнования, позволят пролить свет на многочисленные аспекты когнитивного, социального, эмоционального и физического развития в подростковом возрасте. В дальнейшем данное направление исследований будет только развиваться.

Команда учёных-разработчиков из Сколтеха была приглашена представить новый метод на одной из самых престижных конференций по медицинской визуализации – MICCAI 2019, Шеньжень, Китай.

Текст: Сколтех

Pominova M. et al. (2019) Ensemble of 3D CNN Regressors with Data Fusion for Fluid Intelligence Prediction. In: Pohl K., Thompson W., Adeli E., Linguraru M. (eds) Adolescent Brain Cognitive Development Neurocognitive Prediction. ABCD-NP 2019. Lecture Notes in Computer Science, vol 11791. Springer, Cham