Новый алгоритм на основе искусственного интеллекта может обнаруживать аутизм по «отпечаткам пальцев» мозга

Прочитано: 125 раз(а)


Исследователи из Стэнфорда разработали алгоритм, который может помочь определить, есть ли у кого-то аутизм, просматривая сканирование мозга. Новый алгоритм, основанный на последних достижениях в области искусственного интеллекта (ИИ), также успешно предсказывает тяжесть симптомов аутизма у отдельных пациентов. При дальнейшем совершенствовании алгоритм может привести к более ранней диагностике, более целенаправленной терапии и более широкому пониманию происхождения аутизма в мозге.

Алгоритм обрабатывает данные, собранные с помощью сканирования функциональной магнитно-резонансной томографии (фМРТ). Эти сканы фиксируют закономерности нейронной активности по всему мозгу. Сопоставляя эту активность с течением времени во многих областях мозга, алгоритм генерирует «отпечатки пальцев» нейронной активности. Хотя отпечатки пальцев уникальны для каждого человека, как и настоящие отпечатки пальцев, тем не менее, отпечатки пальцев мозга имеют схожие черты, что позволяет их сортировать и классифицировать.

Как описано в новом исследовании, опубликованном в журнале Biological Psychiatry , алгоритм оценивал сканирование мозга примерно 1100 пациентов. С точностью 82% алгоритм отобрал группу пациентов, у которых врачи-люди диагностировали аутизм .

«Хотя аутизм является одним из наиболее распространенных нарушений развития нервной системы, в нем так много всего, чего мы до сих пор не понимаем», — говорит ведущий автор Каустубх Супекар, клинический доцент кафедры психиатрии и поведенческих наук Стэнфордского университета и доцент Стэнфордского HAI. «В этом исследовании мы показали, что наша модель «отпечатков пальцев» мозга, управляемая искусственным интеллектом, потенциально может стать мощным новым инструментом для улучшения диагностики и лечения».

В отличие от многих других заболеваний, при аутизме отсутствуют объективные биомаркеры — контрольные измерения, которые выявляют наличие заболевания, а иногда и его тяжесть — а это означает, что нет простого теста на расстройство. Вместо этого диагностика основывается на наблюдении за поведением пациентов, которое, естественно, сильно различается, что затрудняет диагностику. (Общие признаки аутизма включают трудности в повседневном социальном взаимодействии, дефицит общения и обучения, а также повторяющуюся речь и движения.)

«Нам нужно создать объективные биомаркеры аутизма, — говорит Супекар, — и отпечатки пальцев мозга сделают нас еще на один шаг ближе».

Сочетание больших данных и XAI

Ученые уже давно ищут биомаркеры с помощью МРТ-сканирования. Тем не менее, исследования, проводившиеся на сегодняшний день с небольшими популяциями, показали противоречивые результаты, связанные с естественной изменчивостью мозга пациентов и еще более запутанные различиями в аппаратах МРТ и методах тестирования.

Супекар говорит, что, как и во многих других областях науки, в исследованиях аутизма используется подход больших данных , когда из анализа больших статистически значимых выборок появляются ранее недоступные идеи. Показательным примером является новое исследование Супекара, объединяющее сканирование мозга из медицинских центров по всему миру в гигантский, демографически и географически разнообразный набор данных.

Следующим шагом был эффективный анализ и обработка данных со сложностью и изменчивостью. Супекар и его коллеги подумали, что неплохо бы начать с алгоритмов распознавания изображений, разработанных технологическими компаниями. Эти алгоритмы становятся все более изощренными при обработке значительных степеней изменчивости изображений, которые они оценивают.

Например, говорит Супекар, представьте себе алгоритм, предназначенный для идентификации кошек и собак на онлайн-изображениях. Этот алгоритм должен бороться с животными, которых фотографируют под разными углами и с разных расстояний, а также ловко учитывать диапазоны цветов и особенностей среди пород.

«Для успешного распознавания изображений ИИ не имеет значения, сделал ли снимок мой 5-летний ребенок или кто-то с наградой в области фотографии — алгоритм должен работать в обоих случаях», — говорит Супекар. «Та же неоднородность, которую вы видите на фотографиях кошек и собак, вы видите и при сканировании мозга».

Разрабатывая свои алгоритмы распознавания изображений, Супекар и его коллеги стремились сделать искусственный интеллект объяснимым или понятным исследователям-людям. Исследователи в последние годы сосредоточились на создании объяснимого ИИ, или XAI, в отличие от обычных систем ИИ, которые могут давать качественные результаты, но не очевидными способами.

«Проблема заключалась в том, что алгоритмы ИИ могут быть «черным ящиком», где мы не можем объяснить, откуда берется точность алгоритма», — говорит Супекар.

Снова взяв пример модели «кошка против собаки», исследователи хотели бы знать, выбирает ли алгоритм, скажем, черты лица или размер шеи животных. Для алгоритма снятия отпечатков пальцев Супекар и его коллеги создали простую математическую модель, которая оценивает региональные взаимодействия и взаимосвязь мозга. Таким образом, алгоритм XAI затронул три области мозга, демонстрирующие значительные различия во взаимосвязях в группируемой части набора данных.

Придавая достоверность выводам алгоритма XAI, эти три области мозга ранее были вовлечены в патологию аутизма. Этими областями являются задняя поясная кора и предклинье, которые образуют часть сети режима по умолчанию (DMN), особенно активную в периоды бодрствования; дорсолатеральная и вентролатеральная префронтальная кора , участвующая в когнитивном контроле; и верхняя височная борозда, участвующая в обработке звуков человеческого голоса. В частности, нарушения DMN служили сильными предикторами тяжести симптомов аутизма в исследуемой популяции.

Чем раньше, тем лучше

Хотя алгоритм XAI превосходно работал на этом раннем этапе разработки, Супекару и его коллегам необходимо будет еще больше повысить его точность, чтобы поднять отпечатки пальцев мозга до уровня окончательного биомаркера. Исследователи намереваются изучить эффективность алгоритма в исследованиях братьев и сестер, где у одного брата есть аутизм, а у другого нет, чтобы отточить способность обнаруживать тонкие, но критические различия между потенциально очень похожими мозгами.

Супекар предполагает, что отпечатки пальцев мозга будут использоваться для оценки мозга очень маленьких детей, возможно, в возрасте от шести месяцев до года, которые подвержены высокому риску развития аутизма. Ранняя диагностика имеет решающее значение для достижения лучших результатов, при этом методы лечения оказываются более эффективными, когда их назначают, когда пациенты все еще находятся в детском возрасте, а не в более позднем возрасте.

«Мы надеемся, что подход, продемонстрированный в нашем исследовании, сможет диагностировать аутизм в окне возможностей, когда вмешательства максимально эффективны», — говорит Супекар.

Новый алгоритм на основе искусственного интеллекта может обнаруживать аутизм по «отпечаткам пальцев» мозга



Новости партнеров