Использование математики для моделирования мозговой деятельности

Перед вами три двери, и вам нужно выбрать одну из них. За одной дверью прячется новая машина, а за каждой из двух других прячется козел. Вы указываете на свой выбор, и кто-то, кто знает, что находится за каждой дверью, должен открыть одну из оставшихся дверей, и это должна быть дверь, за которой прячется коза. Вы понимаете, что машина находится либо за выбранной вами дверью, либо за оставшейся закрытой дверью. Вы меняете свой выбор или придерживаетесь своего первого выбора?​​​​

Эта известная головоломка получила название задачи Монти Холла. И именно из-за этой загадки Альваро Лопес-Медрано вошел в область вычислительной психиатрии и разработал инструмент, который может изменить то, как врачи диагностируют синдром дефицита внимания/гиперактивности, СДВГ.

Нейробиологи, неврологи, психиатры и психологи одинаково пытаются связать поведенческие симптомы психических расстройств, таких как СДВГ, с лежащими в их основе нейронными механизмами. Те, кто занимается науками о мозге, ищут надежные и доступные биомаркеры, которые избавляют от догадок при психиатрическом диагнозе. Лопес-Медрано и его стартап Bitsphi решают эту проблему диагностики СДВГ, обрабатывая сигналы мозга с помощью алгоритма, который улавливает паттерны, характерные для этого расстройства.

Когнитивные модели и теории информации

Что вы делаете, когда сталкиваетесь с тремя дверями и вторым шансом выбрать правильную дверь? Ответ: лучше переключиться. Всегда есть шанс, что при переключении вы в конечном итоге выберете не ту дверь. Но с двумя козами и одной машиной более вероятно, что ваш первый выбор — коза. Поэтому, как только другая коза будет обнаружена, более вероятно, что вы найдете машину, когда поменяете двери.

Сидя в своей гостиной 10 лет назад, Лопес-Медрано боролся с проблемой Монти Холла и ее решением. Лопес-Медрано, инженер-электрик, боролся с нелогичным решением и начал глубоко задумываться о том, как мозг обрабатывает информацию и принимает решения. Изучение этой темы привело его в кроличью нору Google® Scholar. Он перескакивал с статьи на статью о проблеме Монти Холла, пока не наткнулся на одну, в которой обсуждалась когнитивная модель, основанная на теории информации Шеннона.

Теория создает основу для коммуникации: как источник передает информацию получателю, и работу, проделанную для подключения и обеспечения этого обмена. Но из когнитивных моделей, основанных на этой теории, Лопес-Медрано не нашел ни одной, которая бы удовлетворительно объясняла различия между основными способами обработки информации мозгом: «сверху вниз» и «снизу вверх». При нисходящей обработке ваши мысли влияют на то, как вы воспринимаете и реагируете на окружающую среду, например, на что вы должны обращать внимание или как вы реагируете на стимул в различных ситуациях. Ваш мозг анализирует сенсорные стимулы, а затем реагирует на них восходящей обработкой. Размышление над этой проблемой дало ему новые идеи о познании.

Вдохновленный Лопес-Медрано стремился разработать когнитивную модель, которая представляла бы, как мозг обрабатывает информацию, опираясь на концепции теории вероятности и информации. Его математическая модель познания пытается объяснить поток информации в мозгу и то, как мы переходим от неуверенности к решительности.

Он принес свою модель Фернандо Маэсту, профессору когнитивной неврологии Мадридского университета Комплутенсе и директору Центра когнитивной и вычислительной нейронауки. Маэсту изучает электрофизиологическую активность мозга для поиска биомаркеров неврологических и психических расстройств.

Рассматривая модель, Маэсту подумал, что ее можно использовать как новый подход к работе. Он сказал Лопес-Медрано, что они могут использовать эту модель для диагностики когнитивных расстройств. Он рекомендовал начать с синдрома дефицита внимания/гиперактивности (СДВГ), распространенного расстройства, требующего объективного диагностического инструмента. Во всем мире более 84 миллионов человек страдают СДВГ.

Как добраться до источника

Для диагностики психических расстройств клиницисты используют Диагностическое и статистическое руководство по психическим расстройствам, пятое издание (DSM-5). Хотя эксперты основывают диагностические критерии на сотнях научных исследований и технических документов, ставить диагноз — это искусство. Многие критерии субъективны. Например, один из симптомов СДВГ в DSM-5 звучит так: «Часто кажется, что он не слушает, когда к нему обращаются напрямую». ​Определения «часто» или того, как это выглядит, когда кого-то слушают, являются субъективными и различаются между клиницистами.

Результаты когнитивных тестов также могут маскировать расстройства. В некоторых оценках СДВГ, говорит Ортис, человек с расстройством может работать очень хорошо и упустить диагноз, который может дать ему необходимое лечение. У людей с СДВГ могут быть и другие расстройства, такие как дислексия, что может затруднить диагностику. «Сопутствующие заболевания затрудняют поведенческое тестирование и иногда вводят в заблуждение. ​Этот метод не подходит для всех​, — говорит она.

Чтобы создать инструмент, который мог бы определить, есть ли у ребенка СДВГ, Бланко и Лопес-Медрано необходимо было набрать детей как с диагнозом СДВГ, так и без него. Затем они записали активность мозга детей, чтобы увидеть, сможет ли статистический алгоритм, основанный на их модели, провести различие между двумя группами.

Для этих ранних тестов Лопес-Медрано и Бланко регистрировали активность мозга с помощью магнитоэнцефалографии или МЭГ. Активные нейроны производят электрическую активность, которая создает магнитные поля в мозгу, а сканеры МЭГ записывают магнитные сигналы для картирования активных сетей.

Они набирали детей для этих ранних тестов и использовали оборудование Maestú MEG для сбора данных. Находясь в МЭГ-сканере, дети выполняли когнитивное задание, которое проверяло их способность к концентрации внимания, чтобы «сосредоточиться» на важных деталях и игнорировать ненужные. В этой задаче «идти/не идти», как называют ее нейробиологи, участник нажимает кнопку, когда видит определенный стимул, но сдерживается, когда видит нерелевантный. Дети с СДВГ обычно не так хорошо справляются с подавлением импульса нажать кнопку, как их нейротипичные сверстники.

Из лаборатории в жизнь

Битсфи обратился к классической технологии визуализации мозга — электроэнцефалографии (ЭЭГ). Ученые и врачи уже более ста лет используют ЭЭГ для записи электрической активности, исходящей из головного мозга. Хотя ЭЭГ не так точна, как МЭГ, она недорога, портативна и доступна в большинстве больниц. Через шапочку, утыканную электродами, плотно прижатыми к коже головы, ЭЭГ регистрирует электрическую активность нейронов почти в реальном времени. Но ему не хватает пространственного разрешения MEG, поэтому команда Bitsphi начала с MEG.

Команда Bitsphi сотрудничает с сетью больниц в Мадриде, чтобы набрать 150 подростков для повторения результатов МЭГ с помощью ЭЭГ. Чтобы убедиться, что они могут найти похожие биомаркеры СДВГ, они используют MATLAB для перевода данных МЭГ и ЭЭГ. «MATLAB позволяет нам сократить наши усилия по разработке и сосредоточиться на ядре нашей технологии», — говорит Бланко.

Затем они планируют использовать форму искусственного интеллекта, называемую глубоким обучением, для ускорения и автоматизации диагностики. Данные с электродов ЭЭГ будут использоваться для обучения нейронной сети в MATLAB для определения биомаркеров на основе связи между областями мозга. Нейронная сеть упростит обработку данных, отбрасывая артефакты от движения мышц или моргания во время записи ЭЭГ — задача, обычно требующая участия человека-эксперта. Полученный алгоритм глубокого обучения рассчитает вероятность того, что у ребенка СДВГ, и поможет определить, есть ли у ребенка гиперактивный и/или невнимательный подтип СДВГ.

В рамках программы MathWorks Startup Program инженеры Bitsphi работали с инженером-прикладником MathWorks, чтобы обсудить коммерческие направления для своей технологии, и используют MATLAB для разработки ориентированного на врача приложения для отображения результатов тестов. Инструменту еще предстоит пройти путь, прежде чем он будет готов к выходу на рынок, но Лопес-Медрано рассматривает его как диагностическое средство, дополняющее, а не заменяющее диагноз врача. «Это то, что вы бы использовали для неясных случаев», — говорит он, вместо того, чтобы использовать его для диагностики каждого пациента.

Лопес-Медрано говорит, что они планируют выпустить свой продукт в следующем году или около того. С этого момента команда Bitsphi нацелилась не только на СДВГ. «Модель СДВГ может применяться к другим расстройствам, таким как шизофрения или расстройство аутистического спектра», — говорит Бланко. Они уже планируют клинические испытания с другими расстройствами, чтобы оценить закономерности связи, которые могут помочь клиницистам в диагностике.