Используя машинное обучение, исследователи определили новые, отличные модели координированной активности между различными частями мозга у людей с большим депрессивным расстройством, даже когда для обнаружения этих мозговых сетей используются разные протоколы. Аюму Ямасита из Международного научно-исследовательского института передовых телекоммуникаций в Киото, Япония, и его коллеги представляют эти результаты в журнале с открытым доступом PLOS Biology .
Хотя большую депрессию обычно легко диагностировать, лучшее понимание мозговых сетей, связанных с депрессией, может улучшить стратегии лечения. Алгоритмы машинного обучения можно применять к данным о мозговой деятельности людей с депрессией, чтобы найти такие ассоциации. Однако большинство исследований сосредоточено только на определенных подтипах депрессии или не учитывают различия в протоколах визуализации мозга между учреждениями здравоохранения.
Чтобы решить эти проблемы, Ямасита и его коллеги использовали машинное обучение для анализа данных мозговой сети 713 человек, 149 из которых страдали глубокой депрессией. Эти данные были собраны с помощью метода, называемого функциональной МРТ в состоянии покоя (rs-fMRI), который определяет активность мозга и создает изображения, которые показывают скоординированную активность или «функциональные связи» между различными частями мозга. Визуализация проводилась в разных учреждениях по разным протоколам.
Метод машинного обучения выявил ключевые функциональные связи в данных визуализации, которые могут служить сигнатурой мозговой сети для большой депрессии. Действительно, когда исследователи применили эту новую сигнатуру к данным rs-fMRI, собранным в различных учреждениях у 521 человека, они достигли 70-процентной точности в определении того, у кого из этих новых людей было серьезное депрессивное расстройство .
Исследователи надеются, что их новая сигнатура мозговой сети, которую можно применять в различных протоколах визуализации, может послужить основой для обнаружения паттернов мозговой сети, связанных с подтипами депрессии, и выявления взаимосвязей между депрессией и другими расстройствами. Лучшее понимание сетевых связей мозга при большой депрессии может помочь подобрать пациентам эффективные методы лечения и дать информацию о разработке новых методов лечения.
Источник: