Создан способ выявления шизофрении по скрытым компонентам мозговых волн
Ученые из институтов РАН (ИПМаш и ИМЧ) совместно со швейцарским фондом Brain and Trauma Foundation разработали инновационный метод диагностики шизофрении. Новый подход основан на анализе скрытых компонентов электрических сигналов мозга. Созданная модель машинного обучения смогла классифицировать данные пациентов с беспрецедентной точностью: ее чувствительность составила 96,7%, а специфичность — 97,7%.
Главная новизна исследования заключается в использовании метода «слепого разделения источников». Обычный сигнал ЭЭГ, записываемый с поверхности головы, представляет собой смесь активностей множества глубинных структур мозга, что мешает диагностике. Математический алгоритм российских ученых позволил «очистить» этот сигнал и изолировать исходные импульсы от разных нейронных сетей, даже если они перекрывали друг друга во времени.
Проблема своевременного выявления шизофрении стоит очень остро: болезнь поражает около 1% населения, приводя к инвалидности почти половину пациентов. Традиционная диагностика опирается на субъективные опросы и интервью. Использование ЭЭГ и машинного обучения велось учеными и раньше, но точность прошлых методов не превышала 90-91%, так как важные маркеры болезни маскировались общим шумом.
В ходе нового эксперимента данные собирались во время зрительного теста на концентрацию внимания и когнитивный контроль, в котором участвовали 68 пациентов и 132 здоровых добровольца. Вместо сырых сигналов с 19 электродов исследователи выделили 11 латентных компонент для каждого участника. Затем они сравнили эти компоненты между группами и отобрали самые информативные временные интервалы.
Итоговая модель, обученная на комбинации скрытых сигналов мозга и поведенческих данных человека, практически безошибочно определила больных и показала минимум ложных результатов среди здоровых. В перспективе это открытие не только повысит точность диагностики, но и поможет создать таргетную терапию, направленную на конкретные поврежденные нейросети мозга.