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.

Для создания модели учёные собрали масштабную базу данных почти со всей Сибири — от Алтайского края до Бурятии. В исследовании приняли участие более 3 тысяч человек.

У участников брали образцы крови и буккального эпителия — соскоб со слизистой оболочки щеки. Также им записывали ЭЭГ и проводили психологические опросы, чтобы определить особенности состояния человека, в том числе выраженность симптомов депрессии.

Для выделенной из крови и буккального эпителия ДНК специалисты провели секвенирование по 164 локусам. На основе этих данных для каждого участника 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%.

Нейросеть также показала меньше случаев, когда она не замечала депрессию у человека, чем модели, которые тестировали раньше. Это особенно важно для выявления психологических заболеваний: при таком скрининге ошибка может дорого стоить. Намного опаснее пропустить настоящее заболевание, чем ошибочно предположить его наличие.

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.