Мозг подсказывает риск депрессии за годы до симптомов

Машинное обучение выявило в снимках мозга возможный ранний сигнал риска депрессии. Исследователи обнаружили: у людей, которые чрезмерно полагаются на прежние ожидания при распознавании выражений лиц, особым образом искажается обработка сердитых лиц. Этот математический паттерн может проявляться за несколько лет до клинических симптомов. Работа опубликована в журнале Science Advances.

Большое депрессивное расстройство затрагивает миллионы людей во всём мире, а после его развития лечение часто оказывается сложным. Поэтому раннее выявление риска важно для профилактики. Сейчас прогноз обычно опирается на ответы человека о собственном состоянии и на факторы окружающей среды. Биологические признаки уязвимости, заметные до появления недомогания, могли бы дополнить эту оценку.

При психических расстройствах может меняться обработка эмоций: например, неоднозначные социальные сигналы человек чаще воспринимает как негативные или угрожающие. Согласно распространённым психологическим теориям, мозг не просто считывает сенсорные данные, а интерпретирует их с помощью понятий и воспоминаний. Исследования уже связывали депрессию с особенностями активности разных областей мозга, но такие описания сами по себе не объясняли механизм изменений.

Хан Лу из Шэньчжэньского университета и Цян Ло из Университета Фудань проверили, может ли ранним узким местом стать зрительная кора — область мозга, обрабатывающая зрительную информацию. Учёные предположили, что именно здесь сигналы социальной угрозы могут искажаться. Для проверки они создали математическую модель того, как мозг учится распознавать эмоции на лицах.

Сначала исследователи изучили функциональные МРТ-снимки 1332 участников в возрасте 19 лет из европейского проекта IMAGEN. Функциональная магнитно-резонансная томография (фМРТ) позволяет косвенно оценивать активность мозга по изменениям кровотока. Во время сканирования участники смотрели короткие ролики, в которых нейтральные лица постепенно становились сердитыми.

Алгоритм машинного обучения выделил, как зрительная кора каждого участника кодировала сердитые лица. Этот рисунок активности авторы назвали «зрительным кодом». По его эффективности участников разделили на две группы: с типичной, чёткой обработкой зрительной информации и с менее эффективной, более зашумлённой.

Участники из второй группы сообщали о более выраженных эмоциональных симптомах — тревоге и сниженном настроении — в клинических опросниках. Это указывало на связь между нечётким представлением сердитых лиц в мозге и эмоциональным неблагополучием. Исследователи также установили, что менее эффективное зрительное кодирование напрямую соотносилось с наличием таких симптомов.

Чтобы выяснить, как может возникать это искажение, команда построила глубокую нейросеть — модель искусственного интеллекта из связанных вычислительных элементов. В ней было два потока обработки: один анализировал исходные зрительные данные, другой хранил обобщённые знания об эмоциях. В обычном восприятии такие знания помогают мозгу быстрее распознать выражение лица. В модели исследователи позволили концептуальному потоку влиять на зрительный, пока сеть училась различать эмоции. Внутренний математический код модели хорошо совпал с кодом, извлечённым из снимков мозга.

Затем учёные меняли силу влияния концептуального потока на зрительный. При умеренной настройке сеть лучше всего распознавала эмоции. Но при чрезмерном влиянии общие ожидания начинали перевешивать реальные детали изображения: нейтральные лица модель ошибочно принимала за сердитые или печальные. Возникал вычислительный аналог негативного уклона.

Внутренние коды такой чрезмерно «регулируемой» сети были похожи на шумные мозговые паттерны участников с более выраженными эмоциональными симптомами. Авторы называют этот механизм сверхрегуляцией: прежние представления оказываются сильнее сенсорной информации. По их гипотезе, это может поддерживать негативные эмоциональные искажения.

На основе модели исследователи разработали вычислительный маркер, который оценивает степень такой сверхрегуляции по снимкам мозга. Через четыре года они повторно обследовали 725 участников. Среди тех, у кого в 19 лет не было клинических симптомов, маркер помог определить людей, у которых к 23 годам появились выраженные эмоциональные симптомы. Он предсказывал их лучше, чем базовые показатели, основанные только на демографических данных и общем уровне активности мозга. Результат указывает, что механизм может возникать до симптомов, но сам по себе не доказывает, что он вызывает депрессию.

Чтобы проверить связь именно с депрессией, команда сопоставила маркер с генетическими данными участников IMAGEN. Выявилась связь с конкретным генетическим вариантом, ассоциированным с большим депрессивным расстройством и расположенным в гене, связанном с развитием мозга. Маркер также соотносился с полигенным риском депрессии — суммарной оценкой влияния множества генетических вариантов. Связи с генетическими рисками расстройства, связанного с употреблением алкоголя, и расстройств пищевого поведения обнаружено не было.

Далее маркер проверили на отдельной клинической выборке: снимки 134 молодых людей с диагностированным большим депрессивным расстройством сравнили со снимками 62 здоровых участников. У пациентов с депрессией показатель сверхрегуляции был выше, и маркер позволял отличать их от контрольной группы. При проверке на пациентах с расстройством, связанным с употреблением алкоголя, нервной анорексией и булимией различий между группами не выявили. Традиционные показатели активности мозга статистически значимо не разделяли пациентов с депрессией и здоровых участников.

У исследования есть ограничения. Участники популяционной и клинической выборок преимущественно были белыми и происходили из семей со средним или высоким социально-экономическим положением. Поэтому пока неизвестно, сохраняется ли закономерность в группах с другим этническим, расовым и социальным составом. Кроме того, различия в эмоциональных симптомах между группами с эффективной и неэффективной обработкой зрительных сигналов в общей подростковой выборке были сравнительно небольшими.

Авторы отмечают: для популяционных исследований, где измеряется и умеренное неблагополучие, такой результат ожидаем, однако небольшой эффект ограничивает точность метода для диагностики отдельных людей. Клиническую пользу маркера нужно проверить на независимых группах пациентов. Наблюдение за более младшими подростками может показать, появляются ли искажения ещё раньше. Длительное наблюдение за пациентами поможет выяснить, предсказывает ли маркер восстановление или хроническое течение болезни, а также является ли он устойчивой особенностью или временным состоянием. В перспективе вмешательства, направленные на переобучение зрительной обработки, могли бы помочь снизить риск, но это пока предположение, требующее проверки.

Исследование «Глубокое обучение выявляет нейрокомпьютерный механизм, предсказывающий риск депрессии у подростков» подготовили Хан Лу, Сяоцяо Янь, Бенджамин Беккер, Андреас Хайнц, Барбара Дж. Сахакян, Кристель Лэнгли, Чжаоюй Цзо, Луолун Цао, Цзо Чжан, Лорен Робинсон, Нилакши Вайдья, Жанна Винтерер, Синеад Кинг, Шарлотта Уолтон, Тобиас Банашевски, Гарет Дж. Баркер, Арун Л. У. Бокде, Рюдигер Брюль, Херта Флор, Хью Гараван, Пенни Гоу, Антуан Грижи, Эрве Леметр, Жан-Люк Мартенот, Мари-Лор Пайер-Мартенот, Эрик Артиж, Фрауке Нис, Димитри Пападопулос Офанос, Луизе Поуста, Хеди Кебир, Ульрике Шмидт, Джулия Синклер, Михаэль Н. Смолка, Сара Хоманн, Натали Хольц, Хенрик Вальтер, Роберт Уилан, Сильван Десривьер, Гюнтер Шуман, а также консорциумы STRATIFY/ESTRA и IMAGEN.