Машинное обучение вычислило потенциальных самоубийц по активности мозга

Склонность к суицидальному поведению можно определить с помощью автоматического анализа активности головного мозга. Это удалось американским ученым, которые применили методы машинного обучения для анализа результатов фМРТ-сканирования потенциальных самоубийц. Новый алгоритм определил склонных к суициду людей с точностью 91 процент. Статья опубликована в журнале Nature Human Behaviour.

Недавние работы указывают на то, что с помощью анализа паттернов активности головного мозга можно выделить нейробиологические предпосылки определения концептов реального мира — то, как конкретные концепты формируются и хранятся в нашем сознании. Например, понимание концепта «дом» связано с активностью парагиппокампальной извилины, которая отвечает за обработку информации о сценах действительности. Авторы новой работы решили проверить, существуют ли различия в активности головного мозга при определении различных эмоциональных концептов между здоровыми людьми и людьми с суицидальными наклонностями — и, если существуют, возможно ли с помощью них определить склонность человека к самоубийству.

В эксперименте, проведенном при помощи фМРТ, приняли участие 79 человек, 38 из которых либо сообщали о суицидальных мыслях, либо принимали попытку самоубийства; остальные участники не имели истории неврологических заболеваний или мыслей о самоубийстве. В ходе выполнения задания участников просили подумать о десяти концептах из трех групп слов:

• слова, связанные с самоубийством (например, «смерть» или «передозировка»);
  
• слова, связанные с позитивными эмоциями (например, «счастье» или «беззаботность»);
  
• слова, связанные с негативными эмоциями (например, «грусть»).
  

Затем, при помощи машинного обучения, основанного на использовании наивного байесовского классификатора, ученые определили воксели (трехмерные единицы изображения) различия активации при сравнении 17 здоровых людей и 17 людей с суицидальными мыслями. Исследователям удалось выделить шесть концептов — «смерть», «жестокость», «проблема», «беззаботность», «хороший» и «похвала» — активация при мыслях о которых наиболее различалась между двумя группами. Наибольшая активность у людей, склонных к суицидальным мыслям, наблюдалась в нижней части теменной доли — зоне мозга, среди функций которой — обработка эмоций. 

После этого исследователи применили классификатор для определения диагноза (то есть, входит человек в группу здоровых людей или в группу людей со склонностями к суициду) оставшихся участников эксперимента: алгоритм машинного обучения правильно определил 15 из 17 людей из группы риска и 16 из 17 здоровых людей. Кроме того, классификатору удалось правильно выделить в группе риска людей, уже предпринимавших попытку суицида — здесь точность распознавания составила 94 процента. 

Таким образом, авторам работы удалось выделить паттерны активации, характерные для людей, склонных к суицидальным мыслям — и эффективно автоматически определить по ним возможных жертв. В будущем, надеются ученые, такой подход позволит определять склонности к суициду среди людей в группах риска.

Ученые изучают различные факторы, помогающие определить риск возникновения суицидальных наклонностей. Например, в нашей заметке вы можете прочитать о том, как риск самоубийства у женщин определили по биомаркерам в образцах крови. Также, здесь вы можете узнать о том, как смерть одного из родителей влияет на склонность детей к суициду. 

О том, как машинное обучение применили для определения расстройств аутистического спектра у младенцев, читайте здесь.

Елизавета Ивтушок