19.03.2024
Подписывайтесь на Telegram-канал по ссылке

Машинное обучение помогло выявить зоны мозга, активирующиеся при тяге к вредным веществам

neuromarker craving distinguishes

Психологи из Франции и США обнаружили зоны мозга, по активности которых можно определить наличие у человека тяги к вредным веществам, а также её силу. Для этого они обучили алгоритм машинного обучения на результатах фМРТ сотни испытуемых, среди которых были люди с зависимостью от алкоголя, никотина и наркотиков. Заодно оказалось, что паттерн активации мозга при тяге к вредным веществам такой же, как и при тяге к вредной еде. Результаты опубликованы в журнале Nature Neuroscience.

Тяга сопровождает разные состояния, которые связаны с употреблением вредной пищи (с высоким содержанием сахара и насыщенных жиров), а также вредных веществ (никотина, алкоголя, наркотиков). Чтобы помочь людям с зависимостями от этих веществ, исследователи ищут нейробиологические маркеры — характерные признаки таких состояний, которые можно измерить и по ним отслеживать эффективность терапии.

Таким маркером может быть паттерн активации мозга. Их обычно ищут с помощью функциональной магнитно-резонансной томографии (фМРТ) и других видов нейровизуализации. Но паттерны активации ещё мало изучены и не так популярны в клинической практике. Поэтому учёные до сих пор сомневаются, например, в том, схожи ли механизмы проявления тяги к различным вредным веществам и к еде. А ещё в том, насколько они чувствительны к когнитивной и фармакологической терапии.

Американские и французские психологи из Йельского университета решили выделить нейробиологические маркеры для тяги к вредным веществам, а также сравнить их с нейромаркерами тяги к нездоровой пище. Для этого они воспользовались данными фМРТ из прошлых экспериментов, в которых приняли участие 99 испытуемых с зависимостью (от алкоголя, никотина или кокаина) и без.

Все испытуемые получили одинаковое задание. Им показывали изображения еды и соответствующих их зависимости веществ (например, для курильщиков это были сигареты). При этом им предлагали либо представить себе позитивные последствия приёма того, что было на картинке, либо постараться применить стратегию из когнитивно-поведенческой терапии и подумать о негативных последствиях. После этого участников просили оценить уровень тяги к изображенному на картинке по шкале от 1 до 5.

Полученные данные теста и фМРТ исследователи затем использовали для обучения алгоритма машинного обучения. Он выделил ряд областей мозга, по активации которых можно было предсказать наличие у человека тяги и её силу. Этот паттерн состоял из вентромедиальной префронтальной и поясной коры, ретроспинальной коры, вентрального полосатого тела, височно-теменных ассоциативных областей, медиодорсального таламуса, мозжечка и миндалевидного тела.

Чтобы оценить эффективность работы алгоритма, учёные разбили данные на две части. На одной алгоритм обучался предсказывать тягу, а другая часть служила для того, чтобы сравнить, насколько похожи предсказания алгоритма по фМРТ на то, как силу тяги оценивали сами испытуемые. Корреляция предсказания и результата для каждого испытуемого была равна 0,53, а размер эффекта линейной регрессии (Cohen’s d = 0.93) подтвердил, что связь сильная. На основании паттерна активации алгоритм вычислил тех, кто имеет тягу к вредным веществам с точностью 75 процентов (p = 0,002). А ещё определил уровень тяги (низкий или высокий) с точностью 81 процент (p <  0,0001)

Затем авторы работы решили проверить, действительно ли тяга к еде задействует те же самые зоны мозга. Если это так, то достаточно обучить алгоритм на одной части данных (только о еде или о вредных веществах) — и он успешно справится и со второй частью. Сначала они предложили алгоритму предсказать тягу участников экспериментов к изображенной на картинках еде. Он решил эту задачу вне зависимости от того, на какой выборке его обучили: на основе данных только с едой точность была 79 процентов, на всех данных вместе — 76 процентов, а на основе данных только с вредными веществами — 65 процентов.

Алгоритм также хорошо справился и с обратным сравнением. Силу тяги к вредным веществам он смог предсказать, обучаясь на том же типе данных, с точностью 69 процентов, на всех данных вместе — 70 процентов, а на данных только с едой — 66 процентов. Помимо этого, с помощью линейной регрессии исследователи обнаружили, что инструкция представлять положительные или отрицательные последствия приёма того, что было на картинке, действительно влияла на уровень тяги (p < 0,001).

Таким образом, авторы работы научились с помощью машинного обучения выявлять людей с зависимостью от вредных веществ. А заодно подтвердили, что паттерны активации мозга при тяге к вредным веществам такие же, как и при тяге к вредной еде. В следующих исследованиях они предлагают проверить, можно ли использовать этот паттерн в других тестах на определение тяги, а также, могут ли врачи использовать этот метод, чтобы отследить эффективность терапии.