Исследование, опубликованное междисциплинарным коллективом под руководством Дениса Энгемана из Inria, демонстрирует, что машинное обучение на больших популяциях может дать полезные данные для проблем со здоровьем, связанных с мозгом, без необходимости в оценке специалиста. Исследователи воспользовались британским биобанком, одной из крупнейших и наиболее полных биомедицинских баз данных в мире, которая содержит подробные и надежные данные о здоровье населения Великобритании. Работа опубликована в журнале открытого доступа GigaScience.
Проблемы психического здоровья растут во всем мире, и ВОЗ установила, что в период с 2007 по 2017 год число психических заболеваний и расстройств, связанных с злоупотреблением психоактивными веществами, увеличилось на 13%. Бремя, которое эти болезни возлагают на общество, огромно и отрицательно сказывается почти на всех сферах жизни: школа, работа, семья, друзья и взаимодействие с социумом. Среди множества проблем, препятствующих способности общества бороться с этими расстройствами, является то, что для диагностики таких проблем со здоровьем требуются специалисты, доступность которых значительно варьируется по всему миру. Разработка методологии машинного обучения для облегчения оценки психического здоровья может предоставить столь необходимые дополнительные средства для выявления, предотвращения и лечения таких болезней.
Для разработки моделей искусственного интеллекта, чувствительных к психическому здоровью, исследователи из Inria (Сакле — Иль-де-Франс) и их коллеги обратились в Биобанк Великобритании за необходимыми данными. Британский биобанк хранит не только биологические и медицинские данные, но и анкетные данные о личных обстоятельствах и привычках, таких как возраст, образование, употребление табака и алкоголя, продолжительность сна и физические упражнения. Специально для этого исследования, эти анкеты также включают социально-демографические и поведенческие данные, такие как настроения и настроения людей, а биологические данные включают магнитно-резонансные (МР) изображения сканированных мозга 10 000 участников.
Ученые Inria объединили эти два источника данных, чтобы построить модели, которые приблизительно определяют возраст мозга и научно определили черты интеллекта и невротизма. Они служат "косвенными измерениями", то есть теми измерениями, которые сильно коррелируют с конкретными заболеваниями или исходами, которые нельзя измерить напрямую. Подобная разработка приближений успешно использовалась в прошлом для прогнозирования возраста мозга по МРТ-изображениям. Эта предыдущая нейроклиническая работа послужила отправной точкой для команды.
Исследователи подтвердили свои прокси-показатели, продемонстрировав те же результаты в отдельной подгруппе данных британского биобанка.
Результаты представленной работы позволяют заглянуть в будущее, в котором психологи и модели машинного обучения могут работать рука об руку, чтобы производить все более детализированные и персонализированные ментальные оценки. Например, в будущем клиенты или пациенты могут предоставить модели машинного обучения защищенный доступ к своим учетным записям в социальных сетях или данным своего мобильного телефона, чтобы затем возвращать прокси-показатели, полезные как для клиента, так и для эксперта в области психического здоровья или образования.
Однако, хотя ИИ может предоставить столь необходимые инструменты оценки, человеческое взаимодействие по-прежнему будет иметь важное значение, что отмечают авторы работы. Что не изменится, так это то, что практикующим психиатрам необходимо будет тщательно интерпретировать и контекстуализировать результаты тестов в каждом конкретном случае, независимо от того, получены ли они с помощью машинного обучения или классического тестирования.
