Ученые из Санкт-Петербурга научили ИИ слушать нейроны

Исследователи Санкт-Петербургского политехнического университета Петра Великого создали модель искусственного интеллекта, которая анализирует активность нейронных сетей мозга. Разработка получила название NEuRT, а результаты работы опубликованы в журнале IEEE Transactions on Neural Systems and Rehabilitation Engineering.

Как объяснила заведующая научно-исследовательской лабораторией анализа биомедицинских изображений и данных СПбПУ Екатерина Пчицкая, модель позволяет наблюдать, как нейроны взаимодействуют друг с другом. Иначе говоря, ИИ ищет закономерности в их сигналах и помогает понять, чем здоровая работа нейронной сети отличается от патологической. В частности, модель способна отличать здоровый мозг от мозга с признаками болезни Альцгеймера, опираясь только на записи активности нейронов. В экспериментах на мышах точность метода достигала 98%.

В СПбПУ подчеркивают, что NEuRT не только определяет патологию, но и помогает объяснять, какие сбои происходят в работе нейронной сети. Это может быть важно для изучения причин нейродегенеративных заболеваний, в том числе болезни Альцгеймера, а также для будущей оценки эффективности новых лекарственных препаратов.

В основе NEuRT лежит архитектура, которую изначально применяли для анализа человеческого языка. Ученые заметили, что между текстом и нейронными сигналами есть важное сходство: и там, и там большое значение имеют последовательность и контекст. Поэтому модель обучали по принципу восстановления пропущенных фрагментов — только вместо слов она «угадывала» скрытые части записей нейронной активности.

Петербургская разработка вписывается в более широкий мировой тренд: ИИ все чаще используют как инструмент раннего поиска признаков болезни Альцгеймера и оценки риска ее развития. За рубежом такие системы работают с разными типами данных — от снимков мозга до речи и электронных медицинских карт.

Один из самых близких к клиническому применению примеров — американская система BrainSee компании Darmiyan. В 2024 году Управление по санитарному надзору за качеством пищевых продуктов и медикаментов США классифицировало ее как медицинское программное обеспечение класса II. BrainSee анализирует МРТ мозга, демографические данные и результаты когнитивных тестов у пациентов с амнестическим умеренным когнитивным нарушением и оценивает риск перехода к деменции, связанной с болезнью Альцгеймера, в течение пяти лет. При этом система не заменяет врача и должна использоваться вместе со стандартной неврологической оценкой.

В Великобритании исследователи Imperial College London ранее представили модель машинного обучения, которая использует один стандартный МРТ-снимок мозга. Алгоритм оценивал десятки областей мозга и сотни признаков, включая форму, размер и текстуру тканей. По данным университета, система могла определять наличие болезни Альцгеймера с точностью до 98% и различать раннюю и позднюю стадии заболевания.

Есть и подходы, которые не требуют снимков мозга. В Бостонском университете разработали модель, анализирующую речь людей с умеренными когнитивными нарушениями. Для обучения использовались записи интервью участников долгосрочного исследования Framingham Heart Study. Система прогнозировала дальнейшее развитие деменции, связанной с болезнью Альцгеймера, с точностью 78,5%.

С речью работали и исследователи IBM Research совместно с Pfizer. Их модель анализировала языковые особенности в коротком стандартизированном задании и пыталась предсказать будущий дебют болезни Альцгеймера у людей, которые на момент теста считались когнитивно здоровыми. Это был исследовательский прототип, но он показал, что изменения в речи могут быть ранним цифровым маркером болезни.

На этом фоне разработка СПбПУ отличается тем, что фокусируется не на снимках мозга или речи, а на самой активности нейронных сетей. Ученые пытаются понять, как именно меняется взаимодействие нейронов при патологии. Если дальнейшие исследования подтвердят возможности модели, такой подход может стать полезным инструментом для изучения механизмов болезни и проверки новых терапевтических решений.