Прогнозирование реакции на антидепрессанты с помощью искусственного интеллекта: возможно ли это?

Можете ли вы за неделю предсказать, подействует ли антидепрессант на пациентов с большой депрессией? В конечном итоге это станет возможным с использованием искусственного интеллекта, сканирования мозга и клинических данных отдельного пациента. Мартин Пуаро и др. (Амстердам, Медицинский центр Университета Радбауд) демонстрируют это в исследовании, опубликованном в журнале. Американский журнал психиатрии. Но не всех это убедило.

Исследователи использовали набор данных из предыдущего исследования, проведенного в Соединенных Штатах, в котором МРТ-сканирования и клинические данные были собраны у 229 пациентов с большой депрессией до и после недели лечения антидепрессантом сертралином или плацебо. Эрик Руэ, соавтор и старший преподаватель психиатрии в Медицинском центре Университета Радбауд, подчеркивает, что само по себе уникально то, что сканирование проводилось в рамках такого плацебо-контролируемого исследования. Это означает запись, среди прочего, кровотока, функциональных связей и путей мозга. Они использовали все эти данные для создания прогнозирующей модели искусственного интеллекта, «в которой мы записывали любые области мозга, которые, по нашему мнению, соответствовали заранее определенному протоколу, не зная данных».

Упражняться

Как работали исследователи? Они объединили данные МРТ и клинические данные с клиническими данными в единый набор данных. Машинное обучение использовалось для определения точек данных, которые лучше всего предсказывают результаты лечения. Затем алгоритм был протестирован с использованием методологии перекрестной проверки. На практике это означает: обучите алгоритм на подмножестве данных и протестируйте его на другом подмножестве. Руэ: «Вы делаете это примерно сто раз». Каждый раз с немного другим набором тестов. Повторная перекрестная проверка обеспечивает более точную и объективную оценку того, как модель будет работать на невидимых данных.

Результат выглядел многообещающе: треть из 229 пациентов показали, что препарат подействует, а две трети — нет. В принципе, вы можете предотвратить две трети количества «неправильных» назначений сертралина.

Наличные

Профессор психиатрии Джим ван Ос (UMC Утрехт) критикует этот подход. «На самом деле вы можете просто выявить закономерности или ассоциации в существующем наборе данных. Истинная прогностическая сила убедит меня только в том случае, если я успешно применю алгоритм к совершенно новой группе пациентов. Такое проспективное проверочное исследование было бы намного лучше». Реальный мир-Продемонстрировать применимость и эффективность модели искусственного интеллекта. Его критика согласуется с его выводами. Адам Шакруд И другие в науке. Недавно они показали, что, хотя модели искусственного интеллекта превосходно прогнозируют реакцию на антипсихотические препараты у людей с шизофренией в пределах заданного набора данных, их прогностическая эффективность падает до уровня, лишь немного превосходящего случайность, когда они применяются к новым, независимым исследовательским данным.

Рухи понимает критику. «Мы также говорим: это должно быть повторено в независимом исследовании, даже несмотря на то, что использование участников, получавших плацебо, действительно помогает. Сначала вы проведете рандомизированное исследование, в котором вы будете лечить одну группу в соответствии с алгоритмом, а в другой группе вы будете лечить пациентов обычным способом. первая группа.

«Кроме того, мы также посмотрели, как алгоритм работал в группе плацебо», — добавляет он. Ведь люди тоже выздоравливают спонтанно. Мы обнаружили, что ожидалось, что ситуация будет хуже, если вы будете лечиться плацебо, и будет так же хорошо, если вы выберете тех, кто не отвечает на плацебо, и будете лечить их сертралином. Это подтверждает наши выводы, поскольку, если бы алгоритм работал так же хорошо, как и плацебо, вы бы не знали наверняка, указывают ли наши результаты на реакцию на цитралин или на реакцию в целом.

Плацебо

Но у Ван Оса здесь тоже есть критика: «Мы знаем, что Номер, необходимый для лечения (NNT) для сертралина составляет примерно четыре. Следовательно, можно предположить, что улучшение трех из четырех пациентов обусловлено эффектом плацебо, а не сертралином. Это говорит о том, что алгоритм в основном пытается предсказать склонность людей получать пользу от эффектов плацебо, с сертралином или без него. Итак, если исследователи думают, что они действительно что-то нашли, вам следует интерпретировать это как признак реакции на плацебо.

Но Рухи указывает, что в мышлении есть изъян. «Это неправильная интерпретация NNT». NNT — это количество людей, которых вы должны лечить таблетками, по сравнению с вмешательством сравнения для получения одного ответа на лечение. дополнительный Получать. Итак, вам придется лечить четырех человек сертралином вместо плацебо, и тогда один из этих четырех человек взорвется. более чем с чистым плацебо. Это сильно отличается от тех троих из четырех, которые выздоравливают в результате приема плацебо.

«Мозг работает не так».

Ван Ос не видит большого интереса в применении ИИ в психиатрии. Он говорит: «Искусственный интеллект — это, в конечном счете, линейная математическая модель, основанная на измеримых единицах, таких как генетические маркеры, нейрохимические факторы или кровоток Он объединяет их в надежде, что это приведет к предсказуемым результатам или открытиям. Но мозг работает не так. Пятьдесят лет исследований научили нас тому, что мы можем успешно предсказать реакцию на лечение в сфере психиатрической помощи только примерно в 20 процентах случаев. Это немного. Это потому что мозг И разум Они образуют нелинейную систему, в которой связь между причиной и следствием сложна и может меняться в зависимости от исходной ситуации или контекста. Это означает, что изменение одной переменной не всегда приводит к пропорциональному и предсказуемому изменению другой переменной. Биологические системы, такие как мозг, часто имеют регуляторные механизмы, обеспечивающие их функционирование в определенных пределах. Это может затруднить прогнозирование на основе отдельных переменных, поскольку система может самонастраиваться.

Руэ видит это по-другому: «Любой эксперт по ИИ может объяснить вам, что ИИ может учитывать нелинейные связи и сложные взаимодействия, включая регулирование. ИИ делает это на основе многих переменных; мы также включили клиническую информацию». На самом деле, это то, в чем ИИ особенно хорош. Мозг на самом деле очень сложен, и именно здесь технологии сейчас помогают нам добиться прогресса. Таким образом, теперь в этой области также достигнуты огромные успехи. онкологии. Лично я считаю слишком пессимистичным классифицировать психические расстройства как сложные, непонятные системы, с которыми невозможно справиться технологически. Наша публикация показывает, что это действительно возможно, но помимо этого первого шага нам еще предстоит предпринять дальнейшие шаги, поскольку мы упомянул.

Читать далее