Интеллектуальные прогностические модели, ориентированные на нейровизуализацию, в диагностике и классификации психических расстройств

Исследование, разработанное и проведенное Отделением психиатрии Факультета психического здоровья и болезней Медицинского факультета Ускюдарского университета, представило эффективные результаты методов машинного обучения в диагностике и классификации психических заболеваний. В работе был выявлен отличительный биомаркерный потенциал ЭЭГ при диагностике различных психических расстройств.

В исследовании, проведенном Отделением психиатрии Факультета психического здоровья и болезней Медицинского факультета Ускюдарского университета, данные ЭЭГ пациентов с биполярным расстройством, синдромом дефицита внимания и гиперактивности (СДВГ), депрессией, обсессивно-компульсивным расстройством (ОКР), опиоидной зависимостью, посттравматическим стрессовым расстройством (ПТСР), шизофренией и здоровых людей были использованы в качестве биомаркеров, и была разработана прогностическая модель для поддержки диагностики с помощью методов машинного обучения с компьютерной поддержкой. 

Можно ли диагностировать и классифицировать психические расстройства с помощью данных ЭЭГ?

Полученные результаты показали, что использование данных ЭЭГ в качестве биомаркеров позволяет с высокой степенью точности прогнозировать наличие психического расстройства у пациента. Согласно этому, после общей оценки человека, обратившегося к врачу с жалобой, можно установить точный диагноз психического заболевания с помощью записи ЭЭГ, отличая его от других групп заболеваний по характерным признакам. 

Профессор, доктор Невзат Тархан: «Машинное обучение внесет вклад в область психиатрии»

Обобщая исследование, ректор-основатель Ускюдарского университета, психиатр профессор, доктор Невзат Тархан отметил: «Пытаясь провести различие между многочисленными и разнообразными категориями заболеваний по данной теме, можно сказать, что некоторые заболевания (СДВГ, депрессия, шизофрения) могут быть лучше различимы, выступая на передний план на основе модели. Учитывая полученные данные, прогнозируется, что анализы, полученные в результате этой работы, внесут вклад в исследования, проводимые в области психиатрии с использованием машинного обучения. В частности, прогностические модели, разработанные с использованием нового поколения in-silico методов, демонстрируют значимые клинические результаты в этой области. Хотя алгоритмы поверхностного обучения старого поколения и статистические модели внесли вклад в литературу, алгоритмы обучения нового поколения, способные извлекать признаки на основе глубокого обучения, способствуют развитию исследований в области нейронаук, диагностическим и прогностическим процессам, ранней диагностике и правильным методам лечения, а также помогают врачам».

Профессор, доктор Невзат Тархан добавил: «При диагностике психических расстройств врачи следуют симптоматическому подходу. Согласно этому подходу, используются международно признанные диагностические инструменты, основанные на процессе, такие как Диагностическое и статистическое руководство по психическим расстройствам (DSM) или Международная классификация болезней (ICD), а также отчеты пациентов, наблюдения и опыт врача. Как и в других областях медицины, в психиатрии продолжается поиск биомаркеров, используемых в процессах, связанных с заболеваниями».

Исследование, в котором также принял участие профессор, доктор Джумхур Таш, преподаватель кафедры психического здоровья и болезней медицинского факультета Ускюдарского университета, было опубликовано в журнале «International Journal of Medical Informatics». В рамках исследования набор данных, содержащий электроэнцефалографические (ЭЭГ) измерения пациентов (550 пациентов) с диагнозом различных психических заболеваний, был проанализирован методами машинного обучения, и заболевания были классифицированы с помощью полученных моделей.

Относительно исследования: DOI    10.1016/j.ijmedinf.2022.104926

Ссылка на исследование: http://dx.doi.org/10.1016/j.ijmedinf.2022.104926