Max Home IndustryВ большей части современной медицины есть физические тесты или объективные методы, позволяющие определить, что нас беспокоит. Тем не менее, в настоящее время не существует анализа крови или генетического анализа, или беспристрастной процедуры, которая могла бы окончательно диагностировать психическое заболевание, и, конечно же, не существует, чтобы провести различие между различными психическими расстройствами с похожими симптомами. Эксперты Токийского университета объединяют машинное обучение с инструментами визуализации мозга, чтобы пересмотреть стандарт диагностики психических заболеваний.
«Психиатры, в том числе и я, часто говорят о симптомах и поведении с пациентами и их учителями, друзьями и родителями. Мы встречаемся с пациентами только в больнице или клинике, а не в их повседневной жизни. Мы должны делать медицинские заключения, используя субъективные — информация из вторых рук «, — пояснил доктор Синсуке Койке, доктор медицинских наук, доцент Токийского университета и старший автор исследования, недавно опубликованного в журнале Translational Psychiatry .
«Откровенно говоря, нам нужны объективные меры», — сказал Койке.
Проблема перекрывающихся симптомов
Другие исследователи разработали алгоритмы машинного обучения, чтобы различать людей с психическим заболеванием и тех, кто добровольно выступает в качестве «контрольных» в таких экспериментах.
«Легко сказать, кто является пациентом, а кто — контролем, но не так просто отличить разные типы пациентов», — сказал Койке.
Исследовательская группа UTokyo утверждает, что это первое исследование, в котором проводится различие между множественными психиатрическими диагнозами, включая расстройство аутистического спектра и шизофрению. Хотя в массовой культуре аутизм изображается по-разному, ученые давно подозревали, что аутизм и шизофрения каким-то образом связаны.
«Пациенты с расстройством аутистического спектра имеют в 10 раз более высокий риск шизофрении, чем население в целом. Для аутизма необходима социальная поддержка, но обычно психоз шизофрении требует лекарств, поэтому различать эти два состояния или знать, когда они сочетаются. происходит очень важно », — сказал Койке.
Компьютер преобразует изображения мозга в мир чисел
Многопрофильная группа специалистов в области медицины и машинного обучения обучила свой компьютерный алгоритм с использованием МРТ (магнитно-резонансной томографии) сканирования мозга 206 взрослых японцев, совокупности пациентов с уже диагностированным расстройством аутистического спектра или шизофрении, людей с высоким риском шизофрении и те, кто впервые пережил психоз, а также нейротипичные люди без проблем с психическим здоровьем. Все добровольцы с аутизмом были мужчинами, но в других группах было примерно равное количество добровольцев мужского и женского пола.
Машинное обучение использует статистику для поиска закономерностей в больших объемах данных. Эти программы обнаруживают сходства внутри групп и различия между группами, которые встречаются слишком часто, чтобы их можно было легко отклонить как совпадение. В этом исследовании использовалось шесть различных алгоритмов, чтобы различать разные МРТ-изображения групп пациентов.
Алгоритм, использованный в этом исследовании, научился связывать различные психиатрические диагнозы с вариациями толщины, площади поверхности или объема областей мозга на МРТ-изображениях. Пока неизвестно, почему какие-либо физические различия в мозге часто обнаруживаются с определенным психическим заболеванием.
Тонкая грань между диагнозами
После периода обучения алгоритм был протестирован на сканировании мозга еще 43 пациентов. Диагностика аппарата совпала с оценками психиатров с высокой надежностью и точностью до 85 процентов.
Важно отметить, что алгоритм машинного обучения может различать пациентов, не являющихся пациентами, пациентов с расстройством аутистического спектра и пациентов с шизофренией или факторами риска шизофрении.
Машины помогают формировать будущее психиатрии
Исследовательская группа отмечает, что успешное различение мозга пациентов, не являющихся пациентами, и людей с риском шизофрении может показать, что физические различия в мозге, вызывающие шизофрению, присутствуют еще до появления симптомов, а затем остаются неизменными с течением времени. p>
Исследовательская группа также отметила, что толщина коры головного мозга, верхние 1,5–5 сантиметров мозга, была наиболее полезной функцией для правильного различия между людьми с расстройством аутистического спектра, шизофренией и типичными людьми. Это раскрывает важный аспект роли, которую толщина коры головного мозга играет в различении различных психических расстройств, и может помочь будущим исследованиям понять причины психических заболеваний.
Хотя исследовательская группа обучила свой алгоритм машинного обучения с помощью сканирования мозга примерно 200 человек, все данные были собраны в период с 2010 по 2013 год на одном аппарате МРТ, что обеспечило согласованность изображений.
«Если вы сделаете снимок с помощью телефона с камерой iPhone или Android, изображения будут немного другими. МРТ-аппараты также похожи на это — каждый МРТ делает немного разные изображения, поэтому при разработке новых протоколов машинного обучения, подобных нашему, мы используйте тот же аппарат МРТ и ту же процедуру МРТ «, — сказал Койке.
Теперь, когда их алгоритм машинного обучения доказал свою ценность, исследователи планируют начать использовать более крупные наборы данных и, надеюсь, скоординировать многоузловые исследования, чтобы научить программу работать независимо от различий МРТ.