Руски научници создадоа графички модел кој овозможува истовремена анализа на неврофизиолошки и генетски податоци, што би можело да придонесе за попрецизна класификација на депресијата.
„Станува збор за нов метод за обработка на податоци кој користи систем базиран на графикони – еден вид невронска мрежа. Процесот функционира на следниов начин: внесуваме таканаречен тренинг сет, во кој се обележани здрави испитаници и оние кои страдаат од депресија, и ги вчитуваме нивните генотипови и ЕЕГ податоци. Системот учи да прави разлика помеѓу двете групи. Потоа создаваме тест сет кој содржи само генотипови и ЕЕГ податоци, а невронската мрежа мора самостојно да утврди кој е болен, а кој е здрав“, рече научникот и еден од креаторите на моделот, Александар Савостјанов.
Истражувачите собраа обемна база на податоци што го опфаќа населението од речиси целата територија на Сибир – од Алтајскиот крај до Бурјатија. Во студијата учествуваа повеќе од 3.000 луѓе. Анализирани се примероци од крв и брисови од образи од поединечни испитаници, извршени се ЕЕГ снимки и психолошки тестови за да се проценат особините на личноста и степенот на манифестација на депресивни симптоми. По извлекувањето на ДНК од примероците, научниците анализирале 164 генетски локуси и утврдиле отстапувања од референтниот геном за секој испитаник.
Пристапот базиран на графикони покажа значително поголема точност од претходно користените невронски мрежни системи. Ако претходната стапка на успех во препознавањето на депресијата беше околу 86 отсто, новиот модел достигна точност од над 96 отсто. Истовремено, бројот на лажно негативни резултати беше помал отколку кај претходно тестираните модели. Ова е од големо значење за скринингот за ментални нарушувања, бидејќи во овој случај е многу поопасно да се превиди депресијата кај лице кое ја има отколку да се постави неточна дијагноза.
„Генетската предиспозиција може да се утврди во моментот на раѓање, но проблемот е што ако се користи само генотипот, точноста на предвидувањето би била многу ниска. Врз развојот на депресијата силно влијаат животните околности“, истакна Савостјанов.
Според него, ЕЕГ, од друга страна добро ја проценува моменталната состојба на испитаникот во моментот на прегледот, но овој индикатор се менува многу брзо и не ги одразува долгорочните карактеристики на една личност. На него може да влијаат гладот и физичката состојба, објасни научникот.
„Во пракса, имавме случај кога ЕЕГ покажа абнормална состојба на мозокот кај испитаникот. Се покажа дека тоа се должи на фактот што лицето дошло на ЕЕГ снимање веднаш по вадењето на забот. Со комбинирање на анализата на генетските, неврофизиолошките и бихејвиоралните податоци, сигурноста на дијагностиката значително се зголемува“, заклучи креаторот на моделот.
Проектот беше презентиран во списанието „Наука во Сибир“, официјалното списание на сибирскиот оддел на Руската академија на науките.
