Модель использует графы — один из видов нейросетевых архитектур. Сначала система получает обучающую выборку с генотипами и результатами ЭЭГ людей с депрессией и без нее. Затем нейросеть анализирует только генетические и нейрофизиологические показатели в тестовой выборке и определяет, у кого есть заболевание.

Для проекта ученые собрали данные почти со всей Сибири — от Алтайского края до Бурятии. Они обследовали более 3 тысяч человек. У части участников взяли кровь и соскобы со слизистой щеки, записали электроэнцефалограмму и провели психологические опросы, в том числе для оценки выраженности симптомов депрессии.

Из ДНК, полученной из крови и буккального эпителия, провели секвенирование по 164 локусам. На этой основе для каждого участника определили генетические отличия от референсного генома.

Точность графовой модели превысила показатели нейросетей, которые исследователи применяли ранее. Прежние архитектуры распознавали депрессию примерно в 86% случаев, а новый подход показал результат выше 96%. Кроме того, система реже выдавала ложноотрицательные результаты — когда заболевание есть, но модель его не обнаруживает. Для скрининга это особенно важно, поскольку пропустить депрессию опаснее, чем ошибочно предположить ее наличие.

Разработчик метода Александр Савостьянов объяснил, что один только генотип дает низкую точность прогноза: генетическую предрасположенность можно определить с рождения, но на развитие депрессии сильно влияют жизненные обстоятельства. ЭЭГ, напротив, показывает текущее состояние человека, однако быстро меняется и зависит, например, от голода или самочувствия.

По словам Савостьянова, в практике ученых был случай, когда необычные показатели ЭЭГ объяснялись тем, что обследуемый пришел на процедуру сразу после удаления зуба. Поэтому совместная оценка генетических, нейрофизиологических и поведенческих данных, как считают исследователи, повышает надежность диагностики.