Недавнее исследование, опубликованное в научном журнале «Scientific Reports», использовало алгоритмы машинного обучения для классификации крупного депрессивного расстройства (KDR) с помощью нейровизуализации. Исследователи стремились выявить надежные биомаркеры для диагностики и лечения KDR.
KDR — это распространенное психическое заболевание с значительным влиянием на общество. Оно связано с повышенным риском самоубийств и сниженным качеством жизни. Ранняя диагностика и лечение являются важными для предотвращения ускоренного старения мозга и терапевтической резистентности.
Традиционно для диагностики KDR использовались самоотчетные симптомы, что повлекло риск ошибочного диагноза. Коморбидность и перекрывающиеся симптомы дополнительно усложняют точную диагностику и эффективное лечение.
Современные методы нейровизуализации, такие как магнитно-резонансная томография (МРТ), позволили изучать кортикальные и субкортикальные изменения, связанные с KDR. Однако небольшие величины эффекта и анализ на групповом уровне затрудняют их клиническое применение.
В исследовании участвовали пациенты с KDR и здоровые контрольные группы из нескольких когорт. Исследователи использовали алгоритмы машинного обучения, такие как метод опорных векторов и логистическая регрессия, для классификации людей на основе кортикальных и субкортикальных признаков, извлеченных из МРТ снимков.
Результаты показали, что модели машинного обучения имели ограниченную способность различать пациентов с KDR и здоровых людей. Наивысший баланс точности составил около 62%, когда данные были разделены по возрасту и полу, и около 51%, когда данные были разделены по месту. Техники гармонизации данных не оказали существенного влияния на производительность моделей.
Полученные результаты позволяют сделать вывод о том, что распространенные алгоритмы машинного обучения, применяемые к структурным данным мозга, не могут надежно диагностировать KDR. Исследователи подчеркивают необходимость дальнейших исследований для изучения более сложных алгоритмов, которые могут дать лучшие результаты.
Эти результаты подчеркивают сложность диагностики KDR и важность учета нескольких факторов, помимо одних только данных нейровизуализации. Улучшение диагностических инструментов и биомаркеров являются необходимыми для раннего вмешательства и персонализированного лечения для людей с KDR.
The source of the article is from the blog j6simracing.com.br