О научно-учебной группе

Цель работы группы — разработать и реализовать набор методов машинного обучения для классификации фенотипических групп на основе структурных и функциональных коннектом. В частности, для различения аутизма и нормы на открытых данных UCLA (94 человека) и для различения людей-носителей аллелей, связанных с высоким риском развития болезни Альцгеймера, и нормы на основе открытых данных UCLA (55 человек).

Это очень актуальная на данный момент задача. В одном из последних исследований на основе данных ВОЗ подчеркивается, что в развитых странах смертность от заболеваний мозга стремительно растет, а сами заболевания становятся «моложе» и уже затрагивают людей в возрастной группе до 55 лет, несмотря на то, что общая смертность падает.  Кроме того, большинство заболеваний мозга диагностируются не на основе объективных биологических маркеров (как, например, в случае рака), а на основе когнитивных и поведенческих симптомов, сгруппированых в синдромы. Это создает серьезный риск неверной диагностики — по данным аутопсий, 20% случаев болезни Альцгеймера неверно диагностированы.

Проблема в том, что существует разрыв между современными методами предсказательного моделирования и текущими практиками в области анализа данных в нейронауках. Например, сравнение структурных и функциональных коннектомов для разных фенотипов зачастую строится на поиске групповых различий, что в сочетании с малыми размерами выборок (десятки человек) и высокой размерностью задачи (тысячи признаков), может приводить к «ложным открытиям». Как следствие, ученые пока не всегда хорошо понимают, как различные болезни связаны со структурой мозга. Любой прогресс в этой области очень полезен для исследователей, которые ищут уникальные для каждой болезни мозга паттерны, на основе которых можно разрабатывать новые схемы лечения, а также прогнозировать индивидуальный ответ на тот или иной тип лечения.