Ученые Плехановского университета разработали методику диагностики аутизма с помощью нейросетей

В РЭУ им. Г.В. Плеханова разработали инновационный метод диагностики расстройств аутистического спектра (РАС) на основе обработки данных фМРТ с помощью гиперграфовых нейронных сетей. Он открывает возможности для более ранней и точной диагностики этого неврологического заболевания.

Аутизм — одна из ключевых медико-социальных проблем современности. В России, по разным оценкам, с РАС живет около миллиона человек, при этом реальная распространенность может в десятки раз превышать официальную статистику. Сложность диагностики, позднее выявление и отсутствие объективных биомаркеров остаются серьезными вызовами для системы здравоохранения, а разработка точных, неинвазивных и масштабируемых методов диагностики РАС — приоритетной задачей современной медицинской науки.

Коллектив ученых НИИ прикладного искусственного интеллекта и цифровых решений РЭУ им. Г.В. Плеханова под руководством члена-корреспондента РАН Александра Храмова предложил принципиально новый подход к решению этой проблемы. Исследователи применили передовые методы искусственного интеллекта и машинного обучения для анализа данных функциональной магнитно-резонансной томографии (фМРТ) мозга, полученных из крупнейшей международной базы ABIDE (Autism Brain Imaging Data Exchange), которая включает анализы более 1000 пациентов из 17 медицинских центров по всему миру.

Традиционные методы анализа фМРТ-данных моделируют мозг как граф — сеть, где отдельные области мозга (узлы) соединены парными связями (ребрами). Однако такой подход принципиально ограничен: он не учитывает, что мозговая активность часто возникает благодаря совместной работе трех и более областей одновременно — так называемым взаимодействиям высшего порядка.

Ученые РЭУ впервые применили гиперграфовые нейронные сети (UniGNN) — архитектуру искусственного интеллекта, способную моделировать именно такие сложные, многоэлементные взаимодействия между разными отделами мозга. Гиперграф позволяет объединять в одно «гиперребро» не две, а множество областей мозга, работающих в согласованном режиме.

«Наибольшая точность диагностики была достигнута при совместном использовании двух масштабов анализа — гиперграфовой структуры, фиксирующей взаимодействия высшего порядка, и парных функциональных связей, отражающих тонкие взаимодействия между отдельными областями. Разработанная модель на базе UniGIN с использованием парных профилей функциональной связанности в качестве признаков узлов продемонстрировала впечатляющие результаты с точностью диагностики заболевания более 80 % на данных, собранных их разных научных центров. Это существенно превосходит как традиционные методы машинного обучения (например, на основе машины опорных векторов), так и стандартные графовые сверточные сети (GCN), и соответствует лучшим мировым показателям в данной области», — рассказал один из авторов разработки, ведущий научный сотрудник НИИ прикладного искусственного интеллекта и цифровых решений РЭУ им. Г.В. Плеханова, кандидат физико-математических наук Елена Пицик.

ученые отмечают, что разработанный метод открывает перспективы для ранней, объективной и неинвазивной диагностики аутизма на основе данных фМРТ и искусственного интеллекта. В отличие от субъективных клинических шкал, данный подход позволяет выявлять специфические паттерны организации мозговых сетей, которые могут служить надежными биомаркерами расстройства.

«Наше исследование демонстрирует, что интеграция искусственного интеллекта, анализа сложных сетей и нейровизуализации позволяет выйти на принципиально новый уровень понимания мозговых нарушений при аутизме. Мы показали, что для точной диагностики необходимо учитывать не только парные взаимодействия между областями мозга, но и сложные многоэлементные связи. Это меняет сам подход к анализу мозговой активности и открывает путь к созданию новых клинических инструментов», — объяснил еще один автор исследования, главный научный сотрудник НИИ прикладного искусственного интеллекта и цифровых решений РЭУ им. Г.В. Плеханова, доктор физико-математических наук Семен Куркин.

В планах ученых — распространение разработанного подхода на динамические (меняющиеся во времени) паттерны мозговой активности, а также интеграция с данными других методов нейровизуализации. Это позволит создать комплексную мультимодальную систему диагностики не только аутизма, но и других социально значимых психических и неврологических расстройств, включая депрессию, шизофрению и хронические нарушения сознания.

Источник: Официальный ресурс Министерства образования и науки Российской Федерации