Плесень на хлебе: сегодня пятнышко, завтра — полбуханки. Примерно так же в мозге расползается амилоид-бета — липкий белок, который при болезни Альцгеймера сбивается в клубки и мешает нейронам работать. Врачи видят его на ПЭТ-снимках (это как рентген, только показывает не кости, а скопления молекул), но снимок — лишь стоп-кадр. Что было год назад? Что будет через три? Раньше ответить на это можно было только догадками.
Авторы новой работы построили модель, которая учится не на словах, а на тысячах реальных снимков. Они взяли данные 1461 человека из проекта ADNI и 1070 — из исследования A4. Модель, названная LNODE, работает как диспетчерская карта заражения: она видит несколько точек (где и сколько белка на разных сканах) и дорисовывает всю траекторию — и в прошлое, и в будущее. При этом она не запоминает каждого пациента в отдельности, а ищет общие закономерности. По десяти каплям дождя на стекле можно вычислить, откуда шла туча, — здесь тот же принцип.
Секрет в том, что модель выделяет скрытые состояния — что-то вроде внутреннего «климата» мозга, который либо способствует накоплению амилоида, либо сдерживает его. Эти состояния меняются во времени по единым для всех правилам, но у каждого — своя стартовая точка. Поэтому LNODE не просто предсказывает среднюю картину по больнице, а видит, что один пациент движется по медленному сценарию, а другой — по быстрому. На снимках, сделанных с разницей в четыре года, модель угадывает количество белка почти без ошибок.
Всё это напоминает не столько медицинский справочник, сколько прогноз погоды: смотришь на сегодняшние облака и понимаешь, ждать ли грозы через неделю. Так и с амилоидом — его движение подчиняется строгим, хотя и невидимым глазу законам. Поймав их в уравнение, можно заглянуть в будущее болезни без лишних томографов.
Амилоид-бета — это обломок более крупного белка, который в норме нужен для защиты нейронов. Но когда его «нарезка» идёт неправильно, обломки слипаются в токсичные бляшки.