Выраженность аутистических черт можно оценить по активности мозга
Команда ученых из России и Израиля применила новый алгоритм для классификации выраженности аутистических черт характера на основе мозговой активности. Статья «Brief Report: Classification of Autistic Traits According to Brain Activity Recoded by fNIRS Using ε-Complexity Coefficients» опубликована в «Journal of Autism and Developmental Disorders».
При диагностике аутизма и других расстройств психики врачи все чаще используют аппаратные методы нейровизуализации в дополнение к классическому тестированию и наблюдению. Такие способы диагностики не только более объективны, но и часто позволяют обнаружить наличие расстройства в тех случаях, когда у доктора недостаточно поведенческих данных — например, в раннем возрасте.
Важная задача в разработке аппаратных методов диагностики — подбор алгоритма, способного выявить определенные паттерны в активности мозга. Так как клетки мозга генерируют множество электрических импульсов в секунду, сырых данных часто недостаточно для каких-либо выводов — сначала данные необходимо обработать.
За изучение одного из таких алгоритмов и взялась команда исследователей из России и Израиля. В эксперименте участвовало 26 здоровых испытуемых, но пятеро из них не попали в итоговую выборку. Сначала участники заполнили опросник выраженности аутистических черт The Autism Spectrum Quotient, и на основе результата теста их разделили на две группы — с сильно или слабо выраженными аутистическими чертами.
Затем участники выполняли задачу на синхронизацию движений — испытуемого просили двигать правой рукой синхронно с движениями экспериментатора на протяжении нескольких минут, пока фиксировалась активность его мозга. Задачи на синхронные действия с другими людьми часто используются при диагностике расстройств аутистического спектра, так как для людей с РАС характерны трудности в координации совместных действий.
Вместо традиционных МРТ или ЭЭГ для записи мозговой активности испытуемого ученые выбрали метод функциональной спектроскопии в ближней инфракрасной области (fNIRS).
Технология fNIRS основана на измерении динамики кислорода в крови сосудов мозга с помощью инфракрасного света. В отличие от фМРТ, fNIRS — более доступная и портативная технология, которая не издает шума, потому этот метод нейровизуализации хорошо подходит для изучения активности мозга людей с аутизмом.
Для анализа данных об активности мозга ученые использовали расчет коэффициентов ϵ-сложности. Этот относительно новый математический подход позволяет извлекать значимую информацию из сложных и зашумленных паттернов. На основе обработанных таким способом данных исследователи применили классические методы классификации, чтобы разделить испытуемых на группы в зависимости от особенностей мозговой активности при выполнении задачи на синхронизацию.
Экспериментируя с этими алгоритмами, ученые смогли добиться точности предсказания выше 90%: в 9 из 10 случаев оценка выраженности аутистических черт у испытуемых с помощью нейровизуализации совпадала с результатами опросника, который участники заполняли в начале.
Новая технология может использоваться в качестве инструмента диагностики расстройств аутистического спектра, так как она более доступна и удобна при работе с людьми с РАС по сравнению с фМРТ.
Кроме того, в этом исследовании теория ϵ-сложности впервые успешно применяется для декодирования данных, записанных с помощью fNIRS. Это открывает возможности использования нового алгоритма в других исследованиях с технологией fNIRS.
Юрий Дубнов, старший преподаватель НИУ ВШЭ, один из авторов статьи
Теория ϵ-сложности, развиваемая в последние несколько лет, в нашей работе применяется для разработки алгоритма классификации пациентов по записям мозговой активности fNIRS. Полученная безмодельная технология анализа временных рядов может применяться в случаях, когда нарушаются предпосылки классических методов анализа, например, при работе с существенно нестационарными сигналами ЭКГ и ЭЭГ. Поэтому эта технология может использоваться для изучения других психических расстройств и особенностей, паттерны которых проявляются в данных.