Как сообщили "РГ" в пресс-службе Томского государственного университета (ТГУ), авторами разработки стал младший научный сотрудник лаборатории анализа данных физики высоких энергий физического факультета ТГУ Неда Фироз совместно с коллегой из Новосибирского государственного университета (НГУ), ведущим научным сотрудником НИИ нейронаук и медицины, завлабораторией психологической генетики института цитологии и генетики СО РАН Александром Савостьяновым. Причиной интереса к теме борьбы с депрессией стало большое количество людей в мире, страдающих от расстройства.

Как сообщали тогда в ТГУ со ссылкой на данные ВОЗ, ежегодно во всем мире от депрессии страдают порядка 280 миллионов человек. "Я сосредоточилась на депрессии, потому что это одно из наиболее распространенных и социально значимых психических расстройств, но его диагностика по-прежнему во многом зависит от клинических интервью, оценочных шкал и субъективного описания пациентом своего состояния. Эти методы необходимы, но они не всегда отражают всю биологическую сложность депрессии. Депрессия - это не только вопрос настроения или поведения; она также связана с активностью мозга, нейрофизиологическими процессами и молекулярной или генетической уязвимостью", - рассказала "РГ" Неда Фироз.

В алгоритме ученые объединили данные электроэнцефалографии (ЭЭГ) и генетические маркеры, которые большинство подходов анализируют по отдельности. Пациент приходит на прием к врачу, который с помощью психометрических шкал и опросов оценивает состояние человека, а затем отправляет на проверку мозговой активности и сдачу крови на генетику. Полученную информацию анализируют графовые нейронные сети (GNN). Данные фиксируются в таблице по отдельности, а потом собираются в единую формулу. Разработанная модель, одновременно обрабатывающая и ЭЭГ, и генетику, называется "мультимодальный сверточный трансформер". "Такие симптомы, как плохое настроение, потеря интереса, нарушение сна, беспокойство и усталость, оцениваются психиатром в ходе беседы и с помощью клинических инструментов. Нейронная сеть работает на другом уровне обработки информации.

Используя данные ЭЭГ, модель анализирует, как электрическая активность распределяется по различным областям мозга, как меняются мозговые ритмы и как различные области взаимодействуют в состоянии покоя, например, с открытыми и закрытыми глазами. В генетических данных анализируются маркеры, которые могут быть связаны с системами нейромедиаторов, нейропластичностью, циркадными ритмами и биологической уязвимостью. Модель не ищет какой-то один признак. Она изучает комбинации: например, как определенный паттерн мозговой активности может быть связан с определенным генетическим фоном. Нейронная сеть не "видит грусть" и не "читает мысли", она оценивает вероятность депрессивного состояния на основе скрытых биологических паттернов", - пояснила Неда Фироз.

Для исследования были взяты данные 383 участников (34 с депрессией и 349 здоровых) из открытого специализированного набора ICBrainDB. В 93% случаев нейросеть верно отличала депрессию от нормы и почти никогда не ошибалась, отмечают исследователи. По словам Неды Фироз, в будущем она рассматривает разработанный алгоритм как "более широкую платформу для изучения нервно-психических расстройств". "Наиболее естественным следующим шагом являются тревожные расстройства, поскольку они часто пересекаются с депрессией и также связаны с изменениями в мозговой активности, регуляции стресса и биологической уязвимости. Но, безусловно, мы можем использовать эти системы поддержки принятия решений на основе искусственного интеллекта и при других заболеваниях, но подход будет другим", - пояснила исследователь.

Она подчеркнула, что модель не ставит целью быть "заменой психиатра", это вспомогательный инструмент для врача, чтобы исключить субъективность в оценке. "Окончательное клиническое решение должно оставаться за врачом. Искусственный интеллект может сделать диагностику более объективной и ранней, но он не должен заменять клиническое суждение специалиста", - резюмировала Неда Фироз.