Машинное обучение для вывода результатов нейрокогнитивных тестов у подростков и молодых взрослых с врожденным пороком сердца

Почему это важно для взросления с сердечным заболеванием

Все больше детей с серьезными пороками сердца ныне доживают до взрослого возраста. Но многие семьи обнаруживают, что пережить операцию на сердце — это лишь часть истории: у некоторых подростков и молодых людей возникают трудности с вниманием, обучением или памятью. В этом исследовании поставлен практический вопрос с большими последствиями: можно ли с помощью мозговых сканов, генетической информации, медицинского анамнеза и семейного окружения вместе оценить, как справляется молодой человек с врожденным пороком сердца в школьных задачах мышления и решения проблем, не полагаясь только на длительное тестирование?

Взгляд на всю картину, а не только на сердце

Исследователи наблюдали 89 подростков и молодых взрослых с врожденными пороками сердца в возрасте от 8 до 30 лет из центров по всей территории США. Каждый участник прошел стандартные бумажно-карандашные тесты, измеряющие чтение, словарный запас, решение задач, память, скорость обработки и общий IQ. Примерно в течение шести месяцев — зачастую всего за пару дней — у них также выполняли детализированные МРТ-сканы мозга и брали генетические образцы. Команда собрала данные о диагнозах и операциях на сердце, росте и весе, а также о семейно-социальном положении, включая образование родителей и доход семьи. Цель состояла в том, чтобы рассматривать каждого молодого человека не как «случай сердца», а как целостную личность, чьи мозг, гены, история здоровья и окружение совместно формируют то, как он думает и учится.

Обучение компьютеров оценивать навыки мышления

Чтобы разобраться в этом сложном наборе данных, ученые использовали машинное обучение — компьютерные методы, способные обнаруживать закономерности в больших массивах информации. Они подали в модели тысячи показателей из структурных и диффузионных МРТ-сканов (факторы, отражающие размеры, форму и «проводку» мозга), а также 17 неэмбедированных факторов, таких как пол, число операций на сердце, типы редких генетических вариантов и образование родителей. Для каждого из 15 различных тестовых показателей в семи широких областях мышления они обучали модели выводить балл по этим признакам. Продвинутый метод отбора признаков многократно добавлял и удалял кандидатов, сохраняя только те комбинации, которые действительно улучшали результаты при проверке на отложенных участниках. Успех оценивали по тому, насколько близко выведенные моделью оценки совпадали с реальными тестовыми баллами и какова была типичная погрешность в баллах теста.

Что модели могли и не могли «увидеть»

Компьютерные модели смогли оценить большинство тестовых показателей лучше, чем случайная догадка: корреляции между реальными и выведенными баллами варьировали от умеренных до довольно сильных. Полный IQ, рабочая память (запоминание последовательностей чисел) и скорость обработки (быстрое визуальное сканирование и сопоставление символов) оказались среди наиболее доступных для вывода. К примеру, оценки модели для «цифровой последовательности» (digit span), распространенного теста памяти, хорошо соответствовали реальным результатам. В то же время более специфические навыки, такие как понимание предложений или решение задач на блоковый дизайн, было труднее предсказать. При объединении результатов по тестам общий интеллект оказался наиболее «выводимым», тогда как перцептивное рассуждение — умение находить закономерности в формах и пространствах — оказалось наименее предсказуемым.

Как мозг, гены и окружение вносят свой вклад

Анализируя признаки, на которые опирались модели, исследование рисует тонкую картину факторов, формирующих когнитивные функции в этой группе. Меры мозга из МРТ появлялись во всех семи когнитивных доменах. Особенно важными были области лобных и височных долей и «магистрали» белого вещества, связывающие их — регионы, давно связанные с языком, памятью и решением задач. Но значение имели и вне‑мозговые факторы. Уровень образования отца помогал предсказывать общий IQ и зрительно-пространственные навыки, отсылая к влиянию домашней среды и возможностей обучения. Характеристики сердечного заболевания, такие как тип диагноза и число операций, влияли на вербальные способности. Некоторые редкие генетические варианты, особенно те, что нарушают гены нейроразвития, были связаны с более низкими результатами по чтению, математике или словарю. Вместо одной единственной причины возникает картина пересекающихся влияний, где структура мозга, история болезни, гены и социоэкономический контекст в разной степени смещают когнитивные исходы.

Что это может значить для ухода и наблюдения

Для семей и клиницистов послание одновременно обнадеживающее и ориентированное в будущее. В этой относительно небольшой, но тщательно изученной группе многие молодые люди с врожденным пороком сердца имели когнитивные навыки в пределах среднего диапазона. Тем не менее исследование показывает, что тонкие различия в когнитивных способностях можно значимо оценить по данным, которые уже собирают при современном уходе, особенно по детальным МРТ-сканам. Если результаты подтвердятся на более крупных и разнообразных коллекциях данных, подобные модели могли бы со временем помочь врачам выявлять детей с повышенным риском учебных или памятевых трудностей еще до того, как проблемы явно проявятся. Это, в свою очередь, могло бы направлять более ранние направления на образовательную поддержку, тренировки когнитивных навыков или семейные интервенции — делая здоровье мозга столь же центральным в последующем наблюдении, как и здоровье сердца.

Цитирование: 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

Ключевые слова: врожденный порок сердца, когнитивные функции подростков, МРТ мозга, машинное обучение, нейроразвитие