Дифференциальная диагностика большой депрессии и биполярного расстройства на основе глубокого обучения с использованием микроглии‑сенсоров и внеклеточных везикул, полученных от пациентов

Почему это важно для людей с расстройствами настроения

Депрессия и биполярное расстройство затрагивают сотни миллионов людей во всем мире, однако врачи по‑прежнему в основном ставят диагнозы на основе бесед с пациентами и наблюдения за поведением. Поскольку депрессивные эпизоды при обоих состояниях могут выглядеть почти одинаково, многие люди с биполярным расстройством сначала в течение лет получают диагноз «просто депрессия». В этом исследовании рассматривается радикально иной подход: использовать образец крови, живые иммунные клетки мозга и искусственный интеллект для создания объективного теста, который с высокой точностью различает большую депрессию и биполярное расстройство.

Преобразование забора крови в сигнал мозга

Исследователи сосредоточились на крошечных частицах в крови, называемых мелкими внеклеточными везикулами. Это микроскопические жировые пузырьки, выделяемые многими типами клеток организма, в том числе клетками мозга. Они переносят белки и генетический материал, отражающие происходящее внутри этих клеток. Вместо того чтобы пытаться напрямую расшифровывать этот сложный груз, команда использовала везикулы как сообщения и попросила другой тип клеток «интерпретировать» их: микроглию, резидентные иммунные клетки мозга. В лаборатории микроглиальные клетки крыс выращивали в чашках и подвергали воздействию везикул, очищенных из плазмы крови трех групп людей: с большой депрессией, с биполярным расстройством и у здоровых добровольцев.

Клетки в роли живых сенсоров

Известно, что микроглия меняет свою форму и внутреннюю структуру, когда она ощущает воспаление или другие нарушения в мозгу. После 24‑часового воздействия везикул, полученных от пациентов, команда фиксировала и красила микроглиальные клетки флуоресцентными маркерами, чтобы ядро, тело клетки и внутренний «скелет» светились разными цветами под микроскопом. Каждое изображение содержало множество клеток, которые затем автоматически обнаруживали и вырезали в тысячи маленьких снимков отдельных клеток. Идея заключалась в том, что везикулы из разных групп пациентов будут слегка побуждать микроглию принимать разные формы, и эти шаблоны, незаметные невооруженным глазом, могли бы быть выявлены продвинутым анализом изображений.

Обучение искусственного интеллекта распознавать клеточные шаблоны

Просмотр по одной клетке оказался слишком шумным: когда модель глубокого обучения пыталась классифицировать отдельные клетки, точность оставалась ниже 60 процентов. Ключевой прогресс был достигнут изменением способа организации изображений. Вместо подачи клеток по одной, исследователи размещали многочисленные изображения отдельных клеток от одного человека в аккуратные квадратные сетки — массивы 5 на 5 клеток показали наилучший результат. Эти массивы работали как составные портреты микроглиальной реакции каждого человека. Мощная сеть распознавания изображений, первоначально обученная на бытовых фотографиях и затем донастроенная на этих клеточных массивах, научилась относить каждую сетку к одной из трех категорий: депрессия, биполярное расстройство или контроль (здоровый).

От сеток клеток к вероятному диагнозу

Для каждого участника команда сгенерировала множество различных массивов, перемешивая позиции клеток и слегка поворачивая или отражая их. Каждому массиву нейронная сеть присваивала прогноз вместе со степенью уверенности. Чтобы принять решение на уровне субъекта, исследователи не ограничивались простым большинством; вместо этого они суммировали баллы уверенности по всем массивам и выбирали диагноз с наибольшей суммой. Эта стратегия «взвешенного голосования» учитывала, что некоторые массивы несли более отчетливые сигналы, чем другие. С помощью этой иерархической схемы — клетки сгруппированы в массивы, массивы объединены в финальное решение — система правильно классифицировала 44 из 45 человек в повторных тестах, что соответствует точности на уровне субъекта примерно 99 процентов.

Что это может означать для будущей психиатрии

Работа пока является ранним подтверждением концепции, основанным на скромном числе участников, и пока не учитывает такие факторы, как возраст, пол, лекарства или история жизни. Тем не менее она показывает, что расстройства настроения могут оставлять различимые, машинно‑обнаруживаемые отпечатки в реакции микроглии на сигналы, поступающие с кровью. Совмещение такого биологически усиленного сигнала с глубоким обучением указывает на возможность создания основанного на крови теста с результатом на следующий день, который мог бы дополнять клинические интервью и сокращать долгие задержки и частые ошибочные диагнозы, которые переживают многие пациенты. Если это подтвердят в большем и более разнообразном наборе людей, подобная платформа «клетка плюс ИИ» может стать мощным новым инструментом в прецизионной психиатрии, помогая клиницистам быстрее и надежнее подбирать правильное лечение.

Цитирование: Zambrano, J., Luarte, A., Contreras, J. et al. Deep learning-based differential diagnosis of major depression and bipolar disorder using microglia-cellular sensors and patient-derived small extracellular vesicles. Sci Rep 16, 11679 (2026). https://doi.org/10.1038/s41598-026-47476-9

Ключевые слова: биполярное расстройство, большая депрессия, глубокое обучение, внеклеточные везикулы, микроглия