Исследователи разработали систему, которая может обнаруживать генетические маркеры аутизма на изображениях мозга. Точность системы составляет от 89 до 95%. Это позволяет выявлять заболевание на ранних стадиях и подбирать более эффективное лечение.
Новый метод диагностики аутизма
Метод, который был разработан, выявляет закономерности в структуре мозга, связанные с генетическими изменениями, которые могут вызывать аутизм. Такой подход позволяет более точно определять причины заболевания и разрабатывать персонализированный подход к лечению.
Система называется транспортной морфометрией. Она может изменить понимание и лечение аутизма, так как фокусируется на генетических маркерах, а не на поведенческих сигналах. Это может привести к более ранней диагностике и лечению заболевания.
Исследовательская группа, возглавляемая профессором инженерного дела Университета Вирджинии (University of Virginia) Густаво Роде (Gustavo Rohde), разработала систему, которая может определять генетические маркеры аутизма на изображениях мозга с высокой точностью.
В статье, опубликованной в научном ижурнале Science Advances, исследователи объясняют, что этот подход может изменить понимание и лечение аутизма. Они пишут: «Аутизм традиционно диагностируется по поведенческому признаку, но он имеет прочную генетическую основу. Подход, основанный на генетике, может изменить понимание и лечение аутизма».
Роде сотрудничал с исследователями из Калифорнийского университета в Сан-Франциско (University of California San Franscisco) и Медицинской школы Университета Джонса Хопкинса (Johns Hopkins University School of Medicine). Они разработали метод генеративного компьютерного моделирования, называемый транспортной морфометрией (TBM), который лежит в основе подхода команды.
Используя новый метод математического моделирования, их система выявляет закономерности структуры мозга, которые предсказывают изменения в определённых областях генетического кода человека. Эти изменения связаны с аутизмом.
Морфометрия на основе транспорта отличается от других методов анализа изображений машинного обучения. Она основана на массовом транспорте — движении молекул, таких как белки, питательные вещества и газы, в клетки и ткани и из них. Математические модели основаны на этих процессах.
Большинство методов машинного обучения не имеют никакого отношения к биофизическим процессам, которые генерировали данные. Они полагаются на распознавание закономерностей для выявления аномалий. Но подход Роде использует математические уравнения для извлечения информации о массовом транспорте из медицинских изображений.
Затем система анализирует информацию, связанную с генетическими вариациями, связанными с аутизмом, из других «нормальных» генетических вариаций, которые не приводят к болезням или неврологическим расстройствам. Этот подход позволяет понять взаимосвязь между генами, мозгом и поведением.
«Результаты могут указать на области мозга и, в конечном итоге, на механизмы, которые можно будет использовать для терапии», — заключает Роде.
Литература
“Discovering the gene-brain-behavior link in autism via generative machine learning” by Gustavo K. Rohde et al. Science Advances
