Почему дрожит рука, а ноги не идут экспресс

Оригинал: "7 Tesla Quantitative MRI and Machine Learning for Exploratory Motor Subtype Stratification and Diagnosis in Parkinson's Disease"
arXiv:2605.24179 · 2026-05-22 · CC BY 4.0 · 2 мин
Сканер 7 Тесла и нейросеть научились различать два лица болезни Паркинсона по крошечным сдвигам в мозге.

У одного человека болезнь начинается с дрожи в руке — чашка пляшет на блюдце, пока он несёт её к столу. У другого — ноги вдруг отказываются идти ровно: шаг становится коротким, шаркающим, будто пол внезапно покрылся липким слоем. Это не две разные болезни, а два лица одной и той же — болезни Паркинсона. Но лекарства и прогноз для них могут различаться, поэтому врачам нужно как можно раньше понять, с каким именно лицом они встретились.

Исследователи из Нидерландов дали компьютеру взглянуть на мозг 45 человек — 24 с болезнью Паркинсона и 21 здорового — через сверхмощный магнитно-резонансный томограф с полем 7 Тесла. Для сравнения: обычный больничный аппарат — 1,5 или 3 Тесла. При 7 Тесла снимки получаются настолько детальными, что можно разглядеть крошечные структуры глубоко внутри мозга, где и прячутся ранние следы болезни. Нейросеть U-Net научили автоматически обводить на этих снимках десятки разных зон — как ребёнок обводит контуры в раскраске, только с точностью до долей миллиметра.

Средняя точность обводки составила 0,86 по шкале от 0 до 1 — это значит, что контуры, нарисованные нейросетью, почти идеально совпали с теми, что вручную разметили опытные врачи.

Дальше из каждой зоны извлекли множество чисел: плотность ткани, содержание железа, подвижность молекул воды и так далее. Получился длинный список — словно огромный табель с сотнями оценок для каждого пациента. Казалось бы, чем больше данных, тем лучше. Но когда этот табель целиком скормили классификатору — программе, которая ищет закономерности, — он справлялся посредственно: отличал больного от здорового с точностью 69%, а типы болезни путал. Тогда учёные применили отбор признаков — метод, который оставляет только самые «говорящие» оценки и выбрасывает шум. Это похоже на ситуацию, когда вместо полного школьного дневника с физкультурой и пением вы смотрите только на оценки по математике и физике, чтобы понять, станет ли человек инженером. Именно так поступили и здесь: из сотен показателей выбрали горстку ключевых — и картина резко прояснилась.

После отбора признаков компьютер научился безошибочно отделять дрожательную форму от формы с нарушением походки — точность 100% на проверочной выборке. Для различения трёх групп (здоров, дрожательная, походочная) точность подскочила с 62% до 73%.

Главный вывод не в том, что машина умнее врача, а в том, что болезнь оставляет в мозге чёткие, измеримые следы, и их не так уж много. Всего несколько цифр с одного снимка могут рассказать, как именно болезнь поведёт себя дальше — пойдёт ли она по пути дрожи или по пути скованности. Это шаг к тому, чтобы вместо долгих наблюдений и проб лекарств получать подсказку прямо из кабинета МРТ. Та самая чашка на блюдце, с которой всё началось, возможно, скоро перестанет быть единственным способом узнать, что происходит внутри.

Магнитное поле томографа 7 Тесла в 140 000 раз сильнее магнитного поля Земли — оно способно вырвать железный стул из рук, если забыть его в комнате перед сканированием.

Учёные
Erwin SchrödingerHugh Everett III
Понятия
болезнь Паркинсона классификация PI-RADS сегментация опухолей персонализированная медицина болезнь Альцгеймера глубокое обучение в медицинской визуализации активное обучение обнаружение рака мозга диагноз сегментация медицинских изображений классификация сканирование мозга обучение распознавание образов ПЦР обучающие данные языковая модель белков перекрёстная проверка