Svjetski dan mjeriteljstva svake se godine obilježava 20. svibnja, a ovogodišnja tema je bila više no prigodna: "Mjerenja za zdravlje". Znanstvena konferencija kojom je ovaj dan obilježen u Hrvatskoj otvoren je pak predavanjem "Možemo li mjeriti depresiju?" grupe autora Zavoda za elektroničke sustave i obradbu informacija Fakulteta elektrotehnike i računarstva Sveučilišta u Zagrebu i Klinike za psihijatriju Vrapče.

Depresija, bolest 21. stoljeća

Riječ je o sažetku rada, predstavljenog ranije ove godine u sklopu 20. Tjedna mozga, u kojem su sudjelovali ferovci univ. bacc. ing. Eda Jovičić, mag. ing. Krešimir Friganović, mag. ing. Ivana Kinder i prof. dr. sc. Mario Cifrek, te doc. dr. sc. Domagoj Vidović, dr. sc. Jakša Vukojević i dr. med. Damir Mulc iz Vrapča. I doista, kakva je situacija s depresijom i može li se ona doista zaista izmjeriti, i kako? Evo što o tome kažu stručnjaci uključeni u ovaj projekt.

Depresija se može manifestirati na mnogo načina, ali u srži svih njih je depresivno, tužno raspoloženje, pad životne energije i gubitak volje za uobičajenim aktivnostima. Depresija je veliki javnozdravstveni problem upravo zbog svog utjecaja na pojedinca i njegovu aktivnu ulogu u društvu, upozoravaju eksperti iz Vrapča. To je bolest 21. stoljeća i svi pokazatelji govore da je njena prevalencija u porastu. Koji su točni mehanizmi u pozadini depresije još nije potpuno razjašnjeno, ali je to predmet velikih istraživačkih napora.

"Pandemija i potresi stavili su u fokus mentalno zdravlje; moglo bi se reći da je došlo do velikog pomaka u destigmatizaciji mentalnog zdravlja", kaže doc. Vidović.

"Koliko su pandemija i potresi imali utjecaj na nastanak novih psihičkih bolesti, a samim time i depresije je još predmet istraživanja te se za sada ne može sa sigurnošću reći koliko su imali utjecaja", otkriva dr. Vukojević. "Sa sigurnošću možemo reći je da je pandemija imala pozitivan utjecaj na percepciju javnosti vezanu uz psihičke bolesti te je tako postavila pitanje mentalnog zdravlja u javni prostor, a to se u zapadnim zemljama događa već neko vrijeme."

Uvođenjem tehnologije u dijagnostiku i liječenje pacijenata želi se pronaći biomarkere bolesti. Biomarkeri su karakteristike koje se objektivno mogu mjeriti i evaluirati kao indikatori normalnih bioloških procesa, patoloških procesa ili reakcija na terapijske intervencije.

Povezanost biomarkera s depresijom

"U našem istraživanju mjerimo različite biomarkere i ispitujemo njihovu povezanost s depresijom", kaže Friganović. "Biomarkeri, to jest značajke, korištene u ovom istraživanju prikupljaju se kao dio standardne kliničke procedure za detekciju drugih poremećaja poput epilepsije ili tumora pa nema potrebe za dodatnim pretragama i testiranjima samo za potrebe mjerenja depresije."

Prepoznavanjem biomarkera povećava se preciznost dijagnostičkog procesa, a može ih se koristiti i za lakše određivanje terapije. Hrvatski istraživači zapravo žele izgraditi sustav za potporu odlučivanju. Time bi se medicinskoj struci pomoglo prilikom postavljanja dijagnoza, određivanja protokola liječenja, predviđanja ishoda liječenja i drugih zadataka.

U želji da izmjere depresiju, istraživači su na Zavodu za psihofiziologiju Klinike za psihijatriju Vrapče snimali EEG pacijentima koji boluju od depresije. Elektrode su postavljene na površinu glave pacijenata koji su morali mirno ležati zatvorenih očiju tih 10 do 15 minuta koliko traje mjerenje. Nakon što se predobradbom signala EEG-a uklone eventualne smetnje nastale tijekom snimanja, uzrokovane pomakom tijela, treptanjem i radom mišića lica, izdvajaju se značajke pomoću kojih se pokušava "mjeriti depresija“.

Strojnim učenjem do dijagnoze

"Značajke se izdvajaju za karakteristične moždane ritmove: alfa, beta, theta, gama i delta, koji se razlikuju po frekvencijskom području u kojem se nalaze", objašnjava Ivana Kinder. "Ovisno o psihofizičkom stanju o kojem se nalazi osoba, određeni moždani ritmovi će se više isticati od drugih."

Izdvojene značajke koristili su kao ulazne podatke, a dijagnoze koje su dali liječnici kao izlazne vrijednosti u klasifikacijskim algoritmima koji koriste bazu podataka za treniranje modela strojnog učenja.

"Zadatak modela strojnog učenja jest dati što točniju predikciju dijagnoze nad novim, dosad neviđenim ulaznim podacima, te izraditi najbolji mogući model koji će dobro generalizirati predikcije za veliki broj pacijenata", objašnjava Jovičić.

Prvi rezultati pilot projekta

U istraživanju je sudjelovalo 30 ispitanika, 15 zdravih osoba i 15 osoba s depresijom. Najbolje rezultate nakon ispitivanja značajki dali su modeli: stroj potpornih vektora (Support vector machine, SVM), naivan Bayesov klasifikator (Naive Bayes algorithm) i metoda k-najbližih susjeda (k-nearest neighbors, KNN) od 86,67% točnosti klasifikacije, što znači da su kod 30 ispitanika netočno klasificirane 4 dijagnoze.

Svi su ovi rezultati eksperimentalni i predstavljaju prve rezultate pilot projekta. Dosad je napravljeno nekoliko sličnih istraživanja koja su pokazala kako se ovim pristupom mogu naći određene razlike između zdravih pojedinaca i depresivnih pacijenata.

"U svijetlu razvoja novih tehnologija psihijatrija kao takva može jako profitirati jer nam nove metode omogućuju da „stare“ bolesti sagledamo na „novi“ način te time omogućimo našim pacijentima bolju skrb", kaže dr. Vukojević.

Primjena strojnog učenja, dubokih neuronskih mreža, dakle umjetne inteligencije, polje je koje se aktivno razvija i još uvijek se može promatrati kao da je tek u začecima implementacije u kliničkoj praksi. Prije nego ta tehnologija bude dostupna na svakodnevnoj razini potrebno je još mnogo istraživanja kako bi bili sigurni u pouzdanost rezultata.

"Pred nama je niz prospektivnih studija u kojima će se poseban naglasak staviti na individualnu psihopatologiju pacijenta, ali i na pojedine značajke terapijskog procesa", najavljuje dr. Mulc. "Multidisciplinirana istraživanja su okosnica budućeg razvoja unutar okvira psihijatrije te nam ovakve suradnje omogućuju da budemo u korak s vodećim istraživačkim grupama u svijetu."

Visokotočni klasifikacijski modeli 

Pretežni dio postojećih sustava za potporu odlučivanju (Clinical Decision Support System, CDSS) usmjeren je na analizu medicinskih slika dobivenih različitim tehnologijama medicinskog oslikavanja (rendgen, CT, NMR, itd.). Profesor Cifrek kao primjer navodi sustav za detekciju dijabetičke retinopatije koji je Američka agencija za hranu i lijekove (FDA) odobrila za korištenje u primarnoj zdravstvenoj zaštiti. Sustav je temeljen na analizi slika dobivenih stereokamerom za snimanje oka.

Kao primjer istraživanja koje se provodi u Hrvatskoj Cifrek navodi platformu MULTISAB, razvijenu na FER-u u okviru HRZZ projekta pod vodstvom izv. prof. dr. sc. Alana Jovića. Cilj je izrada visokotočnih klasifikacijskih modela pri analizi različitih biomedicinskih signala (EEG, EKG, HRV, EMG...) u online okruženju te detekcija poremećaja u biomedicinskim signalima.

"Platforma pomoću vođenog prolaska kroz više koraka omogućuje istraživačima izgradnju modela poremećaja zasnovanog na algoritmima strojnog učenja u bilo kojim biomedicinskim signalima. Ostalim korisnicima omogućeno je davanje odgovora na pitanje postoji li poremećaj u podacima koje predoče platformi", kaže prof. Cifrek.

Platforma MULTISAB još nije otvorena korisnicima jer je osmišljena tako da podrži veliki broj različitih slučajeva korištenja, vrsta biomedicinskih signala i modela strojnog učenja. A to zahtijeva značajne resurse za implementaciju i testiranje softvera.

"Na platformi se kontinuirano radi pa se očekuje skora mogućnost primjene barem u nekim scenarijima analize biomedicinskih signala", kaže prof. Cifrek. Klinički sustavi za potporu odlučivanju su predmet intenzivnog istraživanja, sve su učinkovitiji i kvalitetniji, a prostora za poboljšanje ima u svim dijelovima sustava.

Interpretabilnost modela

"To su baze organiziranog, strukturiranog i predstavljenog medicinskog znanja i podataka, zatim su tu algoritmi koji koriste umjetnu inteligenciju za donošenje odluke na temelju tih baza znanja i podataka te korisničko sučelje koje treba omogućiti kvalitetnu komunikaciju sustava s korisnikom", objašnjava Friganović.

Također, upozorava Cifrek, potrebno je unaprijediti interpretabilnost modela do razine na kojoj će liječnici jasno razumjeti zašto je neka odluka donesena. To je zahtjevan zadatak za složene modele koji daju najveću točnost.