http://93.174.130.82/news/shownews.aspx?id=4abe7196-7993-40a3-9f22-0d14e0d2bb33&print=1
© 2024 Российская академия наук

Создана программа для диагностики шизофрении по данным МРТ

06.03.2024



В Курчатовском институте разработали программу-классификатор, которая способна с точностью 85% диагностировать шизофрению по результатам исследования мозга пациента с помощью магнитно-резонансной томографии (МРТ). Программу планируется использовать в медицинской практике, а также для дальнейших исследований болезни: ведь причины возникновения шизофрении по-прежнему до конца не известны.

Работа ведётся совместно со специалистами Психиатрической клинической больницы № 1 им. Н.А. Алексеева. С помощью классификатора учёные смогли выделить в мозге восемь регионов, изменения в функционировании которых в подавляющем большинстве случаев говорят о психическом отклонении. Всего же программа анализирует работу более сотни зон головного мозга.

Создана программа для диагностики шизофрении по данным МРТ 1-2.jpeg (jpeg, 37 Kб)

«Наш проект приближает нас к пониманию изменений, происходящих в мозге при шизофрении. Он способствует выявлению нейрофизиологических факторов, приводящих к развитию заболевания, помогает выявить людей, нуждающихся в специализированной медицинской помощи», — рассказал Сергей Карташов, научный сотрудник Курчатовского комплекса НБИКС-природоподобных технологий. Программа поможет в случаях, когда врачи-психиатры испытывают трудности с точной постановкой диагноза, а также в ситуациях, когда обращение к специалисту невозможно.

Классификатор основан на методе опорных векторов и работает на данных функциональной МРТ, отображающих базовую активность мозга в состоянии покоя. Нервные импульсы объединяют в себе химические и электрические процессы. Томография позволяет оценивать изменения кровотока, по которым можно судить об электрической активности групп нейронов в конкретных участках мозга.

Создана программа для диагностики шизофрении по данным МРТ 2-2.jpeg (jpeg, 40 Kб)

При разработке программы использовались данные функциональной МРТ 64 испытуемых (32 здоровых и 32 — с подтверждённым диагнозом «шизофрения»). Алгоритм определил набор характерных признаков, по которым данные МРТ разделяются на два класса, соответствующие категориям «здоровые» и «больные». После завершения обучения программе неоднократно предлагались наборы данных различных испытуемых, которых нужно было разделить на здоровых и больных. И эта задача успешно решалась.

На следующем этапе развития методики исследователи планируют использовать нейросетевой подход. Также разработчики намерены увеличивать число пациентов, данные которых используются для обучения программы. Кроме того, в анализ предполагается включить дополнительные параметры: результаты не только функциональной, но и структурной МРТ, данные иммунологических исследований крови или слюны. Всё это должно значительно повысить точность постановки программой диагноза.  

В своем исследовании учёные использовали данные, полученные на аппарате МРТ с величиной индукции магнитного поля в 3 тесла — этот параметр соответствует современным клиническим томографам. В перспективе для использования разработки в медицинской практике врачам будет достаточно установить программу на свой компьютер либо отправить томограммы на один из облачных сервисов. Таким образом, разработанная программа может быть широко использована для обеспечения поддержки в принятии врачебных решений при постановке диагноза «шизофрения». Она должна добавить объективности применяемым сегодня психометрическим клиническим шкалам.

В будущем учёные планируют использовать данные МРТ для контроля эффективности лечения шизофрении. После того как классификатор и другие методы анализа данных томографии позволили определить у пациента регионы мозга, работающие иначе, чем у здорового, на эти зоны можно влиять с помощью медикаментозной терапии или транскраниальной магнитной стимуляции (направленного воздействия на отдельные участки короткими магнитными импульсами). В результате лечения работа органа будет перестраиваться. Учёные хотят научить программу оценивать динамику изменений, степень приближения к норме, а также устойчивость полученного результата.

Источник: НИЦ «Курчатовский институт».