Uczenie maszynowe do wnioskowania o wynikach testów neurokognitywnych u młodzieży i młodych dorosłych z wrodzonymi wadami serca

Dlaczego to ma znaczenie dla dorastania z chorobą serca

Coraz więcej dzieci urodzonych z poważnymi wadami serca dożywa dorosłości niż kiedykolwiek wcześniej. Jednak wiele rodzin odkrywa, że przebycie operacji serca to tylko część historii: niektórzy nastolatkowie i młodzi dorośli mają problemy z uwagą, uczeniem się lub pamięcią. W tym badaniu postawiono praktyczne pytanie o dalekosiężnych konsekwencjach: czy możemy wykorzystać skany mózgu, informacje genetyczne, historię medyczną i dane o rodzinie razem, aby oszacować, jak radzi sobie młoda osoba z wrodzoną wadą serca w zadaniach przypominających szkolne myślenie i rozwiązywanie problemów, bez polegania wyłącznie na długich testach?

Cały obraz, nie tylko serce

Naukowcy śledzili 89 nastolatków i młodych dorosłych z wrodzonymi wadami serca w wieku 8–30 lat z ośrodków w całych Stanach Zjednoczonych. Każdy uczestnik wykonał standardowe testy papierowe mierzące czytanie, słownictwo, rozwiązywanie problemów, pamięć, szybkość przetwarzania informacji oraz ogólne IQ. W ciągu około sześciu miesięcy—często w ciągu zaledwie kilku dni—poddawano ich także szczegółowym badaniom MRI mózgu i pobierano próbki genetyczne. Zebrano informacje o rozpoznaniach sercowych i wykonanych operacjach, wzroście i wadze oraz o statusie społeczno-ekonomicznym rodziny, w tym wykształceniu rodziców i dochodach gospodarstwa domowego. Celem było potraktowanie każdej młodej osoby nie jako „przypadku sercowego”, lecz jako całości, której mózg, geny, historia zdrowotna i środowisko wspólnie kształtują myślenie i uczenie się.

Uczenie komputerów oszacowywania umiejętności poznawczych

Aby zrozumieć ten złożony zestaw informacji, naukowcy zastosowali uczenie maszynowe—metody komputerowe potrafiące wykrywać wzorce w dużych zbiorach danych. Wprowadzili tysiące pomiarów z obrazów MRI strukturalnego i dyfuzyjnego (które pokazują wielkość, kształt i „okablowanie” mózgu), wraz z 17 czynnikami nieobrazowymi, takimi jak płeć, liczba operacji serca, rodzaje rzadkich wariantów genetycznych oraz wykształcenie rodziców. Dla każdego z 15 różnych wyników testowych obejmujących siedem szerokich obszarów myślenia trenowano modele, aby wnioskowały wynik na podstawie tych cech. Zaawansowana metoda selekcji cech wielokrotnie dodawała i usuwała kandydatów, zachowując tylko te kombinacje, które rzeczywiście poprawiały wydajność podczas testowania na wydzielonych uczestnikach. Z powodzeniem oceniano na podstawie tego, jak blisko oszacowane wyniki były prawdziwym wynikom testów oraz jak duży był typowy błąd w punktach testowych.

Co modele potrafiły, a czego nie widziały

Modele komputerowe potrafiły oszacować większość wyników testów lepiej niż przypadek, z korelacjami między rzeczywistymi a wnioskowanymi wynikami od umiarkowanych do dość silnych. Najłatwiejsze do przewidzenia okazały się ogólne IQ, pamięć robocza (zapamiętywanie sekwencji cyfr) oraz szybkość przetwarzania (szybkie skanowanie wzrokowe i dopasowywanie symboli). Na przykład oszacowania testu digit span, powszechnego badania pamięci, dobrze odwzorowywały rzeczywiste wyniki. Natomiast bardziej specyficzne umiejętności, takie jak rozumienie zdań czy rozwiązywanie zadań z układaniem klocków, były trudniejsze do przewidzenia. Po złączeniu wyników z różnych testów ogólna inteligencja okazała się najbardziej „wnioskowaną” zdolnością, podczas gdy rozumowanie percepcyjne—wykrywanie wzorców w kształtach i przestrzeni—było najmniej.

Jak mózg, geny i środowisko odgrywają rolę

Analizując, na których cechach modele się opierały, badanie ukazuje niuansowy obraz tego, co kształtuje poznanie w tej grupie. Miary mózgu z MRI pojawiały się we wszystkich siedmiu domenach poznawczych. Szczególnie istotne były obszary płatów czołowych i skroniowych oraz magistrale istoty białej je łączące—regiony od dawna powiązane z językiem, pamięcią i rozwiązywaniem problemów. Jednak znaczenie miały także czynniki pozamózgowe. Wykształcenie ojca pomagało wnioskować ogólne IQ i umiejętności wzrokowo-przestrzenne, co sugeruje wpływ środowiska domowego i możliwości edukacyjnych. Cechy samej choroby serca, takie jak typ rozpoznania i liczba operacji, wpływały na zdolności werbalne. Niektóre rzadkie warianty genetyczne, szczególnie te zaburzające geny rozwoju nerwowego, były związane z niższymi umiejętnościami czytania, matematyki lub słownictwa. Zamiast jednej przyczyny wyłania się obraz nakładających się wpływów, w którym struktura mózgu, historia medyczna, geny i kontekst społeczno-ekonomiczny różnie przesuwają wyniki poznawcze.

Co to może oznaczać dla opieki i dalszej kontroli

Dla rodzin i klinicystów przesłanie jest jednocześnie uspokajające i perspektywiczne. W tej relatywnie małej, ale starannie zbadanej grupie wielu młodych ludzi z wrodzoną wadą serca miało umiejętności poznawcze w zakresie przeciętnym. Jednak badanie pokazuje, że subtelne różnice w poznaniu można sensownie oszacować na podstawie informacji już gromadzonych we współczesnej opiece, zwłaszcza szczegółowych skanów mózgu. Jeśli wyniki potwierdzą się w większych i bardziej zróżnicowanych grupach, podobne modele mogłyby pewnego dnia pomóc lekarzom zidentyfikować dzieci o wyższym ryzyku trudności szkolnych lub pamięciowych, zanim problemy w pełni się ujawnią. To z kolei mogłoby ukierunkować wcześniejsze skierowania do wsparcia edukacyjnego, treningów poznawczych lub interwencji opartych na rodzinie—czyniąc zdrowie mózgu równie istotnym elementem kontroli po chorobie serca jak samo zdrowie serca.

Cytowanie: Hussain, M.A., He, S., Adams, H.R. et al. Machine learning to infer neurocognitive testing scores among adolescents and young adults with congenital heart disease. Commun Med 6, 144 (2026). https://doi.org/10.1038/s43856-026-01417-9

Słowa kluczowe: wrodzona wada serca, kognicja nastolatków, rezonans magnetyczny mózgu, uczenie maszynowe, neurorozwój