Ученые нашли самый эффективный алгоритм прогнозирования развития шизофрении
Алгоритмы на основе глубокой нейронной сети наиболее перспективны для прогнозирования развития шизофрении — такой вывод в результате исследования сделали ученые Сибирского отделения РАН, 7 августа об этом сообщили на сайте «Новости Российского научного фонда».
Результаты исследования, в котором приняли участие сотрудники Томского национального исследовательского медицинского центра (ТНИМЦ) РАН, Института химической биологии и фундаментальной медицины (ИХБФМ) СО РАН и Института ядерной физики им. Г. И. Будкера СО РАН, помогут в создании новых лабораторных методов диагностики шизофрении.
Чтобы найти наиболее перспективный метод прогнозирования развития шизофрении, исследователи сравнили пять видов алгоритмов, основанных на логистической регрессии, глубоких нейронных сетях, деревьях решений, методе опорных векторов и классификаторе алгоритмов k-ближайших соседей.
В качестве прогностических параметров были взяты периферические маркеры иммуновоспаления: хемокины, цитокины и ростовые факторы. Тестирование выбранных моделей проводилось с помощью данных параметров, полученных у 217 больных шизофренией и 90 человек, не имеющих психических расстройств.
Результаты исследования ученые представили в статье «Создание прогностических моделей для диагностики шизофрении с использованием периферических воспалительных биомаркеров», опубликованной в журнале Biomedicines.
Научный сотрудник лаборатории ферментов репарации ИХБФМ СО РАН кандидат биологических наук Евгений Ермаков рассказал о результатах тестирования:
«Оказалось, что алгоритм на основе глубокой нейронной сети показал более высокую чувствительность и специфичность, чем другие алгоритмы. Кроме того, мы продемонстрировали, что объединение переменных в один классификатор сопровождается кумулятивным эффектом, превышающим роль каждого биомаркера в отдельности. Таким образом, использование одного биомаркера для диагностики шизофрении было бы неэффективным».
Поскольку разработка более совершенных прогностических моделей диагностики шизофрении требует использования комбинации нескольких биомаркеров, то, подчеркнул Ермаков, одной из важных научных задач в этой области является поиск наиболее информативных биомаркеров этого заболевания.
Руководитель научного проекта, заместитель директора НИИ психического здоровья ТНИМЦ по научной работе доктор медицинских наук Светлана Иванова отметила, что полученные командой пилотные результаты стали еще одним шагом к пониманию фундаментальных биологических основ шизофрении, что в дальнейшем приведет к созданию лабораторных методов для ее диагностики, терапии и прогноза.
Директор НИИ психического здоровья Томского НИМЦ академик Николай Бохан пояснил, что особое внимание научного коллектива к этому психическому расстройству объясняется тем, что шизофрения является социально значимым заболеванием, вызывающим высокий уровень инвалидизации больных.
