Китайские нейросети научились оценивать депрессию по данным ЭЭГ

Врачи до сих пор диагностируют депрессию с помощью субъективных анкет, но группа исследователей из Чжэцзяна предложила альтернативу. Ученые разработали модель глубокого обучения PLI_GE_gMLP, которая анализирует электрическую активность мозга и дает количественную оценку тяжести заболевания, исключая человеческий фактор из процесса постановки диагноза.

Для обучения алгоритма авторы использовали показатели ЭЭГ 70 пациентов с клинически подтвержденным диагнозом и 30 здоровых добровольцев. Инженеры объединили три метода: индекс фазового запаздывания, графовое эмбеддинг-моделирование и многослойный перцептрон. Такой синтез позволил нейросети считывать не только пространственные, но и временные паттерны активности мозга, которые недоступны классическим алгоритмам вроде Random Forest или архитектурам типа ResNet.

Средняя абсолютная ошибка модели составила 4,30 балла. Чтобы понять логику принятия решений, исследователи применили метод SHAP, который позволил «раскрыть» нейросеть. Анализ показал, что ИИ опирается на функциональные связи в лобной и височной долях, работающие в бета- и тета-ритмах. Эти данные подтверждают известные медицине механизмы развития расстройств. Разработка открывает путь к созданию недорогих систем экспресс-диагностики, способных объективно оценивать ментальное состояние пациента без опросов и долгих консультаций.