Цветные 
Отключить 
Ученые Плехановского университета совершили прорыв в диагностике аутизма на основе искусственного интеллекта и анализа сложных сетей мозга
Аутизм — одна из ключевых медико-социальных проблем современности. По данным ВОЗ, примерно один из 100 человек в мире имеет расстройство аутистического спектра. В России, по различным оценкам, с РАС живёт около миллиона человек, при этом реальная распространённость может в десятки раз превышать официальную статистику. Сложность диагностики, позднее выявление и отсутствие объективных биомаркеров остаются серьёзными вызовами для системы здравоохранения во всём мире. Разработка точных, неинвазивных и масштабируемых методов диагностики РАС — приоритетная задача современной медицинской науки.
Коллектив учёных 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 данных ABIDE (Autism Brain Imaging Data Exchange), которая включает данные более 1000 пациентов из 17 медицинских центров по всему миру.
В чём суть технологического прорыва?
Традиционные методы анализа фМРТ-данных моделируют мозг как граф — сеть, где отдельные области мозга (узлы) соединены парными связями (рёбрами). Однако такой подход принципиально ограничен: он не учитывает, что мозговая активность часто возникает благодаря совместной работе трёх и более областей одновременно — так называемым взаимодействиям высшего порядка.
Учёные 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.
Ведущий научный сотрудник НИИ прикладного искусственного интеллекта и цифровых решений РЭУ им. Г.В. Плеханова, к. ф.-м.н. Елена Пицик отмечает: «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 UniGIN с использованием парных профилей функциональной связанности в качестве признаков узлов продемонстрировала впечатляющие результаты с точностью диагностики заболевания более 80% на данных, собранных из разных научных центров. Это существенно превосходит как традиционные методы машинного обучения (SVM), так и стандартные графовые свёрточные сети (GCN), и соответствует лучшим мировым показателям в данной области».
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 надёжными 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, — отмечает главный научный сотрудник НИИ прикладного искусственного интеллекта и цифровых решений РЭУ им. Г.В. Плеханова, доктор физико-математических наук Семен Куркин. — 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».
Работа выполнена на стыке фундаментальной науки, прикладного искусственного интеллекта и биомедицины — ключевых направлений деятельности НИИ, созданного в РЭУ им. Г.В. Плеханова для решения значимых прикладных задач.
В планах учёных — 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 расстройства сознания.
Источник: Минобрнауки России
