Команда ученых из Университета Вашингтона, Калифорнийского университета в Сан-Диего и других институтов разработала модель машинного обучения, способную с высокой точностью отличать людей с диагнозом «шизофрения» от тех, кто не имеет психических расстройств. Работа опубликована в журнале Nature Mental Health и посвящена выявлению так называемых нейронных и ментальных сигнатур заболевания.
Шизофрения — тяжелое психическое расстройство, при котором возникают искажения эмоций, мыслительных процессов и восприятия реальности, а также когнитивные нарушения. Текущие методы диагностики в основном основаны на клинических интервью и оценках психиатра, однако они трудоемки и субъективны. Исследователи поставили цель найти объективные биомаркеры, которые могли бы помочь в диагностике и мониторинге заболевания.
В своем исследовании они обучили алгоритм на данных 559 пациентов с диагнозами шизофрении или шизоаффективного расстройства и 745 участников без психиатрических диагнозов. Каждый респондент прошел 15 нейрокогнитивных тестов, оценивающих различные познавательные и эмоциональные навыки.
Два ключевых маркера
Результаты показали, что, хотя модель могла анализировать все 15 показателей, для достижения высокой точности классификации оказалось достаточно всего двух нейрокогнитивных доменов:
- Вербального обучения — способности усваивать и запоминать слова;
- Распознавания эмоций — способности точно определять эмоциональное состояние других людей.
Это позволило исследователям добиться эффективности, сопоставимой с использованием полного набора тестов, что делает подход более практичным для клинического применения. Такой «минималистичный» профиль может стать основой для создания диагностических инструментов, которые были бы проще и быстрее в применении по сравнению с существующими длинными, утомляющими пациентов тестами.
Авторы исследования отмечают, что проблемы именно в этих двух перечисленных областях, по-видимому, являются наиболее типичными для людей с шизофренией и шизоаффективным расстройством.
С помощью таких моделей можно не только усовершенствовать диагностику, но и, потенциально, оптимизировать планы лечения в зависимости от когнитивного профиля пациента. Открытие также стимулирует дальнейшие исследования в области ИИ-поддерживаемых биомаркеров других психических расстройств.
Любопытные факты
Исследования с использованием органоидов мозга также выявили уникальные нейронные шаблоны, характерные для шизофрении и биполярного расстройства, что может помочь в создании точечных диагностических методов и тестирования лекарств.
Систематические обзоры показывают связь между психиатрическими расстройствами (в том числе шизофренией) и изменениями структуры сетчатки глаза, что может стать дополнительным источником биомаркеров.
Наша модель машинного обучения поддерживает подход «меньше — значит лучше» для эффективного нейрокогнитивного профилирования в спектре шизеформических расстройств и выделяет наиболее нарушенные области когнитивной функции.
О том, как мини-мозг на чипе раскрыл тайну шизофрении и биполярного расстройства, читайте в материале Hi-Tech Mail.
