Ученые разработали и протестировали модель глубокого обучения, которая могла бы помочь клиницистам, предоставляя точные результаты и ясную, объяснимую информацию, включая оценку вероятности аутизма на основе модели.
Модель, описанная в исследовании, опубликованном в журнале EClinicalMedicine, была использована для анализа данных МРТ в состоянии покоя — неинвазивного метода, который косвенно отражает активность мозга через изменения насыщения крови кислородом.
При этом модель достигла перекрестной проверки точности до 98% для расстройств аутистического спектра (РАС) и нейротипической классификации и создала четкие, объяснимые карты областей мозга, наиболее влияющих на ее решения.
За последние два десятилетия число диагностируемых РАС значительно возросло, что отчасти отражает повышение осведомленности, расширение масштабов скрининга и изменения в диагностических критериях и клинической практике. Раннее выявление и доступ к научно обоснованной поддержке могут улучшить результаты в области развития и адаптации, а также повысить качество жизни, хотя последствия могут быть различными.
Однако, поскольку текущий диагноз в основном основывается на личном осмотре и оценке поведения, а ожидание подтверждения диагноза может растянуться от многих месяцев до нескольких лет, существует настоятельная необходимость в совершенствовании методов оценки.
Исследователи надеются, что при дальнейшей проверке их модель сможет принести пользу людям, страдающим аутизмом, и врачам, которые оценивают и поддерживают их, предоставляя точную и объяснимую информацию для принятия обоснованных решений.
Исследование стало результатом студенческого проекта последнего года обучения, выполненного студенткой бакалавриата компьютерных наук Сурьянш Видья (Suryansh Vidya) под руководством доктора Амира Али (Amir Aly) и исследователей из Школы инженерии, вычислительной техники и математики Плимутского университета (University of Plymouth). Их, в свою очередь, поддержали исследователи из университетской школы психологии и Корнуоллской исследовательской группы по вопросам интеллектуальной инвалидности (CIDER), входящей в состав медицинской школы полуострова.
Доктор Али, преподаватель искусственного интеллекта и робототехники в университете, научный руководитель исследования и автор-корреспондент, сказал: «В Великобритании насчитывается более 700 000 аутичных людей, и многие другие ожидают оценки. Поскольку диагноз по-прежнему зависит от личной оценки поведения специалиста, путь к принятию окончательного решения может занять много месяцев, а в некоторых областях и годы.
«Наша работа показывает, как искусственный интеллект может помочь: не заменить врачей, а обеспечить их точными результатами и четкой, объяснимой информацией, включая оценку вероятности с помощью модели, чтобы помочь расставить приоритеты в оценках и адаптировать поддержку после дальнейшей проверки».
.Используя когорту Autism Brain Imaging Data Exchange (ABIDE), в которую вошли 884 участника в возрасте от 7 до 64 лет из 17 центров, команда проанализировала предварительно обработанные данные rs-fMRI и провела параллельное сравнение методов, которые можно объяснить. Методы, основанные на градиенте, показали наилучшие результаты, и полученные карты в целом соответствовали всем подходам предварительной обработки, показывая, какие области мозга в наибольшей степени повлияли на предсказания модели.
Исследование уже проводится доктором философии Кушем Гуптой, соавтором текущего исследования, и включает в себя различные виды мультимодальных данных и моделей машинного обучения с целью разработки надежной и обобщаемой модели, управляемой искусственным интеллектом, которая могла бы помочь клиницистам в оценке аутизма по всему миру. Это дополняет более широкую исследовательскую программу доктора Али, включающую использование роботов для поддержки людей, страдающих аутизмом, и разработку методов искусственного интеллекта для анализа данных в секторе здравоохранения.
Профессор Рохит Шанкар (Rohit Shankar), профессор нейропсихиатрии в университете и директор CIDER group, является ведущим автором текущего исследования. Он добавил: «Мы показали, что искусственный интеллект может стать катализатором раннего выявления аутизма и повысить точность диагностики. Однако на ум приходят слова Роберта Фроста: «Лес прекрасен, темен и глубок, но нам предстоит пройти еще много миль, прежде чем мы ляжем спать». Точно так же это ранние рототипы, которые требуют дальнейшей проверки и исследований».
Дополнительная информация: Определение критических областей мозга для диагностики аутизма по данным ФМРТ с использованием поддающегося объяснению искусственного интеллекта: наблюдательный анализ набора данных ABIDE, EClinicalMedicine (2025). DOI: 10.1016/j.eclinm.2025.103452
Информация о журнале: EClinicalMedicine