Российские специалисты впервые в мире научили искусственный интеллект распознавать раннюю стадию депрессии с точностью 93%, объединив показатели мозговой активности и генетические маркеры.
Разработка сибирских учёных станет надёжной основой для автоматизированной диагностики расстройств, передает ТАСС.
Впервые специалистам удалось успешно объединить показатели электроэнцефалографии и генетические маркеры в одном алгоритме.
«Ученый Томского государственного университета Неда Фироз совместно с коллегой из Новосибирского государственного университета Александром Савостьяновым предложила новый метод диагностики ранней стадии депрессии на основе графовых нейронных сетей (GNN)», – сказано в официальном сообщении Минобрнауки РФ.
Как пояснила Неда Фироз, обычно данные мозговой активности и анализы крови оцениваются врачами по отдельности. Новая модель, названная мультимодальным сверточным трансформером, мгновенно интегрирует эти показатели в единую систему. Искусственный интеллект замечает сложнейшие сочетания признаков, выступая объективным помощником для лечащего врача.
Для обучения алгоритма специалисты использовали открытую базу данных 383 человек, из которых 34 страдали недугом, а 349 были совершенно здоровы. В 93% случаев компьютер верно отличал патологию от нормы.
Результаты успешного исследования уже опубликованы в научном журнале «Безопасность информационных технологий».
Как писала газета ВЗГЛЯД, отечественная медицинская платформа на базе искусственного интеллекта OneCell помогла врачам поставить более 2 млн диагнозов.
Специалисты Сеченовского университета разработали нейросеть для выявления болезни Паркинсона по данным электроэнцефалографии.
Учёные из БФУ имени Канта создали математический подход для диагностики клинической депрессии.
