Искусственный интеллект учится выявлять алкогольную зависимость по ЭЭГ

Алкогольная зависимость — распространённое состояние, но её диагностика до сих пор во многом опирается на беседу с врачом и опросники. Объективных биомаркеров, то есть измеримых показателей, почти нет. Исследователи решили проверить, сможет ли искусственный интеллект найти такие маркеры в электрической активности мозга.

Для этого использовали записи электроэнцефалограммы (ЭЭГ) — метода, который регистрирует слабые электрические сигналы мозга через электроды на коже головы. Данные взяли из крупного американского проекта по генетике алкоголизма. В анализ вошли более пяти тысяч записей от примерно двух с половиной тысяч человек разного возраста.

Учёные применили гибридную нейросетевую модель, которая сначала разбивает сигнал на фрагменты, а затем анализирует их с помощью механизма внимания — так же, как это делается при распознавании изображений. Модель обучали отличать записи людей с алкогольной зависимостью от остальных. Дополнительно её проверили на зависимостях от каннабиса и опиоидов.

Точность для алкогольной зависимости составила около 57% — немногим лучше случайного угадывания. Для каннабиса и опиоидов результаты оказались выше — примерно 64% и 63%. Интересно, что модель чаще угадывала зависимость по более поздним минутам записи, чем по ранним. Это может указывать на то, что мозговая активность меняется со временем, и эти изменения несут информацию.

Авторы подчёркивают: результаты предварительные и не готовы к применению в клинике. Однако работа показывает, что нейросети в принципе способны находить слабые сигналы в «сырых» данных ЭЭГ, и это направление стоит развивать.