Исследователи из Университета Дьюка, возглавляемые Эллиотом Хиллом, пришли к выводу, что ИИ может с высокой степенью достоверности прогнозировать вероятность развития ментальных нарушений у юных людей еще до того, как проявятся явные признаки. Результаты исследования опубликованы в издании Nature Medicine (NM).

Распространенность психических заболеваний среди подростков демонстрирует стремительный рост: почти половина американских подростков сталкивается с теми или иными ментальными проблемами, причем примерно две трети из них не получают необходимой поддержки. Главная проблема состоит в заблаговременном выявлении подростков, входящих в группу повышенного риска. По мнению Хилла, точный прогноз того, кто подвержен опасности ухудшения психического здоровья, позволит более рационально использовать имеющиеся ресурсы и оказывать помощь тем, кто в ней действительно нуждается.

В своей работе ученые использовали данные масштабного исследования Adolescent Brain and Cognitive Development Study (ABCD), которое охватило свыше 11 тысяч подростков со всех штатов Америки. На основе этих данных были созданы две прогностические модели: одна анализировала уже проявившиеся симптомы, а другая – латентные факторы, такие как проблемы со сном и конфликты внутри семьи.

В процессе обучения моделей использовались данные из анкет, заполненных подростками и их родителями, а в отдельных случаях – результаты магнитно-резонансной томографии (МРТ).

Точность модели, ориентированной на симптомы, составила 84%, в то время как модель, учитывающая скрытые факторы, продемонстрировала точность в 75%. Наиболее весомым фактором риска было выявлено нарушение сна, его влияние оказалось более сильным, чем влияние пережитого травматического опыта в детстве или наличие психических заболеваний у членов семьи. Примечательно, что добавление данных МРТ не привело к увеличению точности модели, что делает ее применимой для повседневного использования в школах и медицинских учреждениях.

В дальнейшем исследователи планируют протестировать разработанную модель в городских районах Северной Каролины, чтобы подтвердить ее эффективность в реальных клинических условиях. В случае успеха, данная технология может лечь в основу для более ранней диагностики и более эффективного распределения ресурсов в сфере оказания психиатрической помощи подросткам.