Немецкие исследователи два года наблюдали 564 пациента с большим депрессивным расстройством. Они попытались предсказать рецидив с помощью машинного обучения по девяти видам данных, от опросников и снимков мозга до генов и микробиома кишечника. Лучшая модель угадывала рецидив немногим лучше случая и опиралась лишь на несколько клинических признаков. Это продольное наблюдение, а не испытание лечения. Результаты опубликованы в JAMA Psychiatry.

Для специалиста, который ведёт клиента с депрессией в ремиссии, работа означает одно: персонального прогноза рецидива по крови, генам или томограмме пока нет даже в исследовательских условиях. Наибольшая точность, которой удалось добиться, держалась на сведениях из обычного клинического обследования. Но и этот прогноз в среднем ошибался больше чем в трети случаев.

Раннее выявление тех, у кого депрессия вернётся, считают основой профилактики: от него зависит, кому продлевать поддерживающее лечение и за кем следить внимательнее. Авторы пишут, что нынешние модели не учитывают множества факторов рецидива и «fail to provide clinically meaningful predictions» («не дают клинически значимых прогнозов»). Отсюда замысел работы: собрать в одну модель всё, что удаётся измерить.

Работу выполнила группа из 37 исследователей. Первый автор — Леа Тойтенберг (Lea Teutenberg), руководитель — Тило Кирхер (Tilo Kircher), оба из отделения психиатрии и психотерапии медицинского факультета Марбургского университета имени Филиппа. Данные взяты из Марбургско-Мюнстерской когорты аффективных расстройств (Marburg-Münster Affective Disorders Cohort Study), которую собирали в двух немецких городах, Марбурге и Мюнстере.

В выборку вошли люди с текущей или перенесённой депрессией без неврологических и тяжёлых соматических болезней, набранные в стационарах, амбулаториях и среди населения. Женщин было 367 (65,1 процента), средний возраст — 37,34 года. Первое обследование прошло в 2014–2019 годах, повторное — примерно через два года. На старте собрали опросники, четыре вида МРТ (магнитно-резонансной томографии), гены, когнитивные тесты, кровь и микробиом.

За два года рецидив случился у 270 человек, у 294 его не было. Качество моделей оценивали по сбалансированной точности (среднему между долей верно угаданных рецидивов и долей верно угаданных случаев без рецидива; 50 процентов соответствуют угадыванию наугад). У разных моделей средняя сбалансированная точность составила от 47,21 процента (SD 5,85) до 64,43 процента (SD 6,63). Худшие модели не превзошли случай. Лучшая обошлась без снимков и анализов.

Все признаки измеряли один раз, на старте, а то, что происходило с человеком следующие два года, в модель не входило. Поэтому результат касается прогноза по одному срезу, а не машинного обучения вообще. Выборка смешанная: в ней есть люди как с текущим эпизодом, так и с давним. Модели обучали на немецких пациентах двух центров, на других системах помощи, в том числе российской, их не проверяли.

Ранее мы писали, что алгоритм не смог угадать, кому поможет приложение для психики, а также о том, что белки крови сильнее связаны с атипичными симптомами депрессии, чем с самим диагнозом.