Нейросеть из Сибири научилась распознавать депрессию лучше прежних моделей. Российские учёные разработали графическую модель, позволяющую выполнять совместный анализ нейрофизиологических и генетических данных для классификации депрессии.

Новый метод обработки данных использует систему графов — одну из разновидностей нейронных сетей. По словам одного из разработчиков Александра Савостьянова, на вход задаётся так называемая обучающая выборка. Нейросети показывают, где здоровый человек, а где человек с депрессией, и загружают их генотипы и данные ЭЭГ. Так машина учится отличать одного от другого. Затем создаётся тестовая выборка только с генотипами и ЭЭГ, и нейросеть уже сама должна угадать, кто болен, а кто здоров.

Учёным удалось собрать большую коллекцию данных, охватывающую территорию почти всей Сибири — от Алтайского края до Бурятии. Обследовали более 3 тыс. человек. У части испытуемых взяли пробы крови и буккального эпителия (соскоб со слизистой щеки), записывали ЭЭГ и проводили психологические опросы для установления психологических особенностей, включая выраженность симптоматики депрессии. Для ДНК, выделенной из крови и буккального эпителия, выполнили секвенирование по 164 локусам, на основе которого для каждого человека определяли генетические отклонения от так называемого референсного генома.

Почему это прорыв во внедрении ИИ в изучение депрессии

Точность основанного на графах подхода оказалась существенно выше, чем у архитектур нейронных сетей, которыми учёные пробовали пользоваться раньше. Если раньше точность распознавания депрессии составляла около 86%, то теперь она выше 96%.

Более того, нейросеть давала меньше ложноотрицательных результатов, чем ранее апробированные модели. Это особенно ценно в контексте скрининга психологических заболеваний, где стоимость таких ошибок может быть высока: гораздо опаснее не выявить у человека депрессию, когда она есть, чем ошибочно поставить диагноз.

Над нейросетью работали специалисты Томского государственного университета, Научно-исследовательского института нейронаук и медицины (НИИНМ), ФИЦ «Институт цитологии и генетики СО РАН» (ФИЦ ИЦиГ СО РАН) и Новосибирского государственного университета.