Стекинг снимков мозга помог найти отпечатки способностей

Максим Наговицын14.07.2025709

Ученые нашли способ заставить МРТ говорить больше, объединив несколько способов сканирования в один.

Стекинг снимков мозга помог найти отпечатки способностей
Когнитивные тесты в рамках Данидинского междисциплинарного исследования здоровья и развития. Источник: Sean Hogan and David Ireland at the Dunedin Multidisciplinary Health and Development Study, University of Otago, Dunedin, New Zealand

Предсказание когнитивных способностей по снимкам мозга — давняя мечта нейроученых. Обычно для этого используют только один тип МРТ, но команда Наруна Пата пошла дальше. Они объединили несколько методов сканирования — структурное МРТ (например, толщину коры), функциональные связи в покое и при выполнении задач, а также активность мозга в ответ на стимулы. Этот подход, называемый «стекинг», дал более точные результаты.

Результаты опубликованы в издании PNAS Nexus.

Исследователи проанализировали данные 2131 человека от 22 до 100 лет из трех крупных баз — две из США, одна из Новой Зеландии. Во всех случаях комбинирование методов улучшило предсказание когнитивных тестов, которые участники проходили вне томографа.

Особенно впечатляет другое: модель, обученная на снимках 45-летних, предсказала их же результаты тестов в детстве (7, 9 и 11 лет) с корреляцией 0.52. Это значит, что мозг взрослого хранит следы детского интеллекта.

Еще одна проблема МРТ-исследований — нестабильность результатов при повторных измерениях. Стекинг справился и с этим: индивидуальные различия стали надежнее.

Когда модель проверили на независимых данных, точность упала (корреляция 0.25), но осталась значимой. Авторы объясняют это различиями в протоколах — например, не везде использовали задачи на активность мозга.

Что это дает

  • Более точные «нейрометки» интеллекта
  • Возможность изучать связь мозга и мышления в долгой перспективе
  • Шаблон для будущих исследований с мультимодальными данными

Этот метод может:

  • В клинике — помочь раньше выявлять риски когнитивного спада (например, при деменции) без долгих тестов.
  • В науке — уточнить, какие именно особенности мозга связаны с интеллектом, а не просто констатировать связь.
  • В технологиях — улучшить алгоритмы нейроинтерфейсов, если научиться «считывать» мышление надежнее.

Главный недостаток — падение точности на внешних данных. Если модель так чувствительна к различиям в протоколах сканирования, ее сложно масштабировать. Возможно, проблема в том, что стекинг просто усредняет слабые сигналы из разных методов, а не находит принципиально новые закономерности.

Ранее стало известно, что пожилые люди хуже справляются с простыми задачами на компьютере.

Подписаться: Телеграм | Дзен | Вконтакте


Общество


Лента новостей

Пресс-релизы