ИИ научили определять уровень депрессии по данным ЭЭГ

Сегодня клиническая диагностика депрессии по-прежнему базируется преимущественно на субъективных опросниках, что создает потребность в надежных и объективных биомаркерах. Чтобы восполнить этот пробел, коллектив исследователей из Второй больницы Цзиньхуа и Чжэцзянского педагогического университета представил продвинутую модель глубокого обучения, способную с высокой точностью оценивать степень тяжести депрессивного состояния.

В основу исследования легли результаты анализа электроэнцефалограмм (ЭЭГ) в состоянии покоя, полученные от 70 пациентов с диагностированным депрессивным расстройством и 30 добровольцев из контрольной группы.

Разработанная архитектура, получившая обозначение PLI_GE_gMLP, объединяет в себе три высокоэффективных метода: индекс фазового запаздывания (PLI), графовое эмбеддинг-моделирование (GE) и многослойный перцептрон с гейтами (gMLP). Подобная интеграция позволила модели успешно выявлять как сложные пространственно-временные паттерны мозговой активности, так и нюансы топологии функциональных связей в коре головного мозга. В ходе тестирования нейросеть показала впечатляющую точность — средняя абсолютная ошибка (MAE) составила 4,30. Этот показатель оказался значительно выше результатов, демонстрируемых как классическими алгоритмами машинного обучения (Random Forest, XGBoost, LightGBM), так и известными моделями глубокого обучения, такими как ResNet и GENet.

Особое внимание разработчики уделили вопросу интерпретируемости результатов. Применив аналитический инструмент SHAP, ученые смогли визуализировать вклад отдельных признаков в итоговый вердикт нейросети, фактически открыв «черный ящик» алгоритма.

Исследование подтвердило, что решающее значение для точности прогноза имеют показатели функциональной связности в лобных и височных отделах мозга, особенно в бета- и тета-ритмах ЭЭГ. Выявленные нейросетью закономерности полностью соответствуют современным медицинским представлениям о нейробиологических механизмах депрессии.

Авторы работы заявили об отсутствии конфликта интересов. Несмотря на то что публикация еще готовится к финальному выпуску, полученные результаты уже сегодня указывают на реальную перспективу внедрения доступных и объективных методов аппаратной диагностики психических расстройств, исключающих влияние человеческого фактора.

 

Источник: iXBT