Инструмент на основе искусственного интеллекта обнаруживает биполярное расстройство на более ранних стадиях

Многие люди с ранней стадией или первым эпизодом биполярного расстройства имеют когнитивные нарушения, такие как проблемы с обработкой зрительной информации и пространственной памятью, но эти дефициты часто настолько незаметны, что расстройство может оставаться невыявленным в течение многих лет. Это может измениться благодаря исследователям из Университета Альберты, которые создали модель машинного обучения, которая помогает выявить эти тонкие недостатки с целью более раннего вмешательства.

Исследование возглавил Джеффри Савальха, докторант, который сотрудничает с Исследовательской группой вычислительной психиатрии Университета Австралии.

Ранняя диагностика имеет решающее значение для пациентов с биполярным расстройством, поскольку это позволяет психиатрам вылечить их раньше, прежде чем симптомы ухудшатся. Данные свидетельствуют о том, что на ранних стадиях пациенты сильнее реагируют на лечение литием.

«Если вы можете использовать когнитивный тест и машинное обучение для обнаружения неуловимой формы, чтобы предотвратить прогрессирование или возникновение маниакального эпизода, это ключ. Очевидно, что мы не можем предотвратить все случаи, но для некоторых это может оказаться огромным преимуществом , — сказал Бо Цао, доцент кафедры психиатрии и член группы вычислительной психиатрии, в которую также входят Расс Грейнер и Эндрю Гриншоу. Все трое также являются членами Института неврологии и психического здоровья.

Группа обучила свою модель машинного обучения , сравнивая пациентов с хроническим биполярным расстройством со здоровыми людьми из контрольной группы, а затем продемонстрировала, что эта изученная модель может отличить пациентов с первым эпизодом биполярного расстройства от здоровых людей из контрольной группы с точностью 76%. Полученный в результате инструмент может исследовать ранние маркеры когнитивных нарушений, которые затем могут быть использованы для раннего выявления биполярного расстройства.

Более простой и доступный способ сбора данных

Исследователи U of A работали с коллегами в Китае, которые собирали данные, используемые в модели машинного обучения. Данные были получены с использованием тестов, направленных на когнитивные функции. В этом исследовании пациенты находились под наблюдением, когда они завершали тесты, но большинство тестов можно было провести виртуально с помощью планшета.

Это резко контрастирует с нынешней практикой получения информации с помощью таких аппаратов , как МРТ, которые позволяют получать изображения структуры мозга. По словам исследователей, простой когнитивный тест, проанализированный с помощью машинного обучения, может дать не менее ценные данные.