Новый подход предложили ученая Томского государственного университета Неда Фироз и ее коллега из Новосибирского государственного университета Александр Савостьянов.

В основе метода лежат графовые нейронные сети. По данным ведомства, впервые в мировой практике в одном алгоритме удалось совместить два типа информации: показатели электроэнцефалографии и генетические маркеры. Обычно такие данные рассматривают раздельно, что ограничивает возможности анализа.

Созданная модель определяет признаки расстройства на ранней стадии и демонстрирует высокую точность – 93%. Ученые считают, что подобные технологии могут повысить надежность диагностики, которая в клинической практике нередко зависит от субъективной оценки.

Неда Фироз, младший научный сотрудник лаборатории анализа данных физики высоких энергий физического факультета ТГУ, пояснила, что сегодня врач во время приема обычно использует опросники и психометрические шкалы. Затем пациенту могут назначить исследование активности мозга, а также анализ крови для изучения генетических факторов.

Все эти сведения, по словам исследовательницы, чаще всего заносятся отдельно, а уже после этого объединяются в общую расчетную схему.

Графовые нейронные сети позволяют выстроить такую информацию в единую систему и проследить связи между разными показателями. Для одновременной обработки данных ЭЭГ и генетики специалисты разработали модель, получившую название мультимодального сверточного трансформера.

Ожидается, что эта технология станет шагом к созданию автоматизированных инструментов для диагностики депрессии и даст врачам дополнительный объективный ориентир при постановке диагноза.