Искусственный интеллект (ИИ) может не только отличать сосудистые когнитивные нарушения от изменений сосудов мозга без выраженного снижения памяти и внимания, но и показывать, какие именно когнитивные функции у пациента могут быть под угрозой. Такой подход описан в исследовании, опубликованном в журнале Cyborg and Bionic Systems.
Почему обычной МРТ может быть недостаточно
У пожилых людей на магнитно-резонансной томографии (МРТ) часто видны участки изменения белого вещества мозга. Белое вещество — это проводящие пути, по которым разные отделы мозга обмениваются сигналами. Но такие изменения встречаются и у людей без заметных нарушений памяти, поэтому по обычной МРТ не всегда понятно, насколько они опасны.
Авторы использовали диффузионно-тензорную магнитно-резонансную томографию (ДТ-МРТ) — метод, который оценивает микроструктуру белого вещества. Он показывает, насколько хорошо сохраняется «проводка» мозга, и может быть чувствительнее к повреждениям, связанным с болезнью мелких сосудов.
Что именно обучили распознавать
Команда создала нейронную сеть DenseNet — вид сверточной нейронной сети, которая учится находить важные признаки прямо в медицинских изображениях. Сначала модель обучали на данных 134 пациентов с субкортикальными сосудистыми когнитивными нарушениями и 171 пациента с субкортикальной ишемической сосудистой болезнью без такого диагноза.
Субкортикальные сосудистые когнитивные нарушения — это снижение памяти, внимания, скорости мышления или способности планировать действия, связанное с повреждением мелких сосудов и глубоких отделов белого вещества мозга.
Чтобы проверить, будет ли модель работать не только на «своих» снимках, исследователи применили адаптацию к данным из другой выборки — без ручной разметки этих изображений. Это важно: в реальной клинике снимки делают на разных аппаратах и у разных групп пациентов.
Насколько точной оказалась модель
Лучший результат дала модель, которая одновременно использовала два показателя ДТ-МРТ: фракционную анизотропию и среднюю диффузию. Проще говоря, это параметры, отражающие упорядоченность и состояние волокон белого вещества.
Точность составила 90,2% во внутренней тестовой выборке и 92,6% во внешней выборке. Площадь под ROC-кривой — показатель, который помогает оценить, насколько хорошо модель различает две группы, — достигала 0,951 и 0,942 соответственно. Значение, близкое к 1,0, считается очень высоким.
Важно и другое: вероятность сосудистых когнитивных нарушений, рассчитанная моделью, хорошо совпадала с результатами нейропсихологических тестов. Среди них были Монреальская шкала когнитивной оценки (MoCA), краткая шкала оценки психического статуса (MMSE), тесты памяти и тест соединения чисел и букв, который оценивает внимание и исполнительные функции.
Какие зоны мозга оказались ключевыми
Чтобы понять, на что именно «смотрит» ИИ, исследователи построили карты значимости — изображения, показывающие, какие участки мозга сильнее всего влияли на решение модели.
Алгоритм выделил 11 областей белого вещества, включая лучистый венец, верхний продольный пучок, мозолистое тело, внутреннюю капсулу и заднюю таламическую лучистость. Эти проводящие пути действительно связаны с вниманием, памятью и управлением действиями.
По словам И Тана (Yi Tang), работа показывает, что глубокое обучение может не только точно распознавать сосудистые когнитивные нарушения, но и извлекать из одного снимка индивидуальную «подпись» когнитивного риска.
Не просто диагноз, а профиль слабых мест
Исследователи пошли дальше бинарного ответа «есть нарушение» или «нет нарушения». Они сопоставили повреждения белого вещества с шестью когнитивными шкалами и получили отдельные карты для разных функций.
Затем для каждого пациента вычисляли, насколько его индивидуальная карта повреждений похожа на карту, связанную, например, с памятью или исполнительными функциями. Для этого использовали индекс структурного сходства — математический показатель похожести двух изображений.
После этого пациентов разделили на группы низкого, умеренного и высокого сходства. Во всех когнитивных областях пациенты из группы высокого сходства действительно показывали худшие результаты тестов.
Что это может дать пациентам
Если такие результаты подтвердятся в более крупных исследованиях, врач сможет получать больше информации из одного исследования ДТ-МРТ: не только увидеть сосудистое повреждение мозга, но и понять, какие функции требуют особого наблюдения — память, внимание, скорость мышления или способность планировать действия.
Это особенно важно для пожилых людей и для клиник, где полноценное нейропсихологическое тестирование занимает много времени или доступно не всегда. Но заменой врачу и тестам такая система пока не является.
Главные ограничения
Исследование остаётся ранним. Для глубокого обучения выборка была умеренной по размеру, а анализ был поперечным: он оценивал состояние пациентов в определённый момент, а не доказывал, как именно будут ухудшаться функции со временем.
Следующий шаг — длительное наблюдение. Нужно проверить, сможет ли модель заранее предсказывать реальное снижение памяти и внимания через год, два или больше.
О роли белого вещества при заболеваниях мозга МКБ-11 ранее писал в материале «Свето- и звукотерапия помогает поддерживать состояние миелина при болезни Альцгеймера».
Литература
- He M., Yin Y., Qu J., Wang Y., Que X., Xia X., Zhang T., Li J., Shen J., Song W., Qin Q., Li C., Tang Y. Deep Learning for Classifying and Cognitive Profiling of Subcortical Vascular Cognitive Impairment // Cyborg and Bionic Systems. — 2026. — DOI: 10.34133/cbsystems.0561.