Прогнозные возможности искусственного интеллекта (artificial intelligence, AI) могут помочь исследователям и врачам в дисциплинах, характеризующихся сложностью и малозаметными нюансами. Машинное обучение все чаще используется в науках о жизни, биотехнологиях, а также в области психического здоровья. Новое исследование, опубликованное в журнале Translational Psychiatry, показывает, как машинное обучение может быть использовано для того, чтобы помочь отличить биполярное расстройство от большого депрессивного расстройства.

По оценкам, в мире насчитывается 792 миллиона человек с психическими расстройствами, из которых 264 миллиона – с депрессией и 46 миллионов – с биполярным расстройством.

Большое депрессивное расстройство (БДР) или клиническая депрессия – распространенное психическое расстройство. Люди, страдающие этим заболеванием, находятся в депрессивном настроении и теряют интерес к повседневной деятельности на две недели или дольше, в дополнение к тому, что у них есть много других симптомов, таких как потеря аппетита, усталость, бессонница, проблемы с самооценкой или неспособность сконцентрироваться.

Биполярное расстройство включает в себя изменения в активности, настроении и энергии человека. Во время маниакальных эпизодов человек с БПР крайне возбуждён, бодр или раздражителен. Напротив, во время депрессивных эпизодов пациент крайне грустен, подавлен или безразличен. Всего существует три типа этого заболевания, различающиеся тяжестью симптомов и продолжительностью маниакальных эпизодов.

“В целом, по оценкам, по крайней мере 19% пациентов, страдающих большим депрессивным эпизодом, имеют биполярное расстройство (БПР), и у около 40% пациентов с этим заболеванием изначально диагностируется большое депрессивное расстройство, при этом средняя задержка в диагностике БПР составляет от 5,7 до 7,5 лет”, – отмечается в исследовании. В результате ошибочно диагностированные пациенты часто получают неправильное лечение антидепрессантами, что может усугубить болезнь и ухудшить исход заболевания.

В исследовании приняли участие 688 человек с депрессивными симптомами, а также с пригодными для использования образцами крови и последовательными ответами на онлайн-анкету и телефонное интервью.

Использованный алгоритм машинного обучения представляет собой метод, основанный на дереве решений и называемый XGBoost (Extreme Gradient Boosting), для дифференциации участников с биполярным расстройством от большого депрессивного расстройства, которые самостоятельно сообщают о своем текущем диагнозе БДР. Образцы крови участников были проанализированы на уровень биомаркеров, нацеленных на 203 уникальных пептида, представляющих 120 белков.

Исследование показало, что диагностический алгоритм, используемый с данными биомаркеров крови и данными из онлайн-анкет, точно идентифицирует пациентов с биполярным расстройством в различных клинических сценариях и может помочь ускорить точную клиническую диагностику и лечение этого заболевания.

Источник

04.03.2021