Вероятность развития эпилепсии определят по ритмической активности мозга | Новости науки
Систему автоматической диагностики эпилепсии по электроэнцефалографии разработали в Нижегородском госуниверситете. Модель машинного обучения определяет эпилепсию по ритмам головного мозга с точностью свыше 90 %, сообщили в пресс-службе вуза.
Технология поможет врачам оценивать шанс развития эпилепсии у пациентов до появления судорог. Кроме того, метод может использоваться при снятии энцефалограммы у представителей профессий, связанных с особым риском и ответственностью: пилотов, водителей, сотрудников силовых структур.
«Опытный врач может “на глаз” определить по ритмам электроэнцефалографии (ЭЭГ) наличие у пациента патологии. Но строгих параметров определения эпилепсии нет. Мы попытались решить эту проблему и на основе открытых баз данных обучили модель отличать “эпилептический” мозг от здорового. Разработка демонстрирует потенциал автоматизированного анализа ЭЭГ для более быстрой и точной диагностики эпилепсии, что в итоге улучшит и результаты лечения пациентов», – рассказал автор исследования, старший научный сотрудник лаборатории «Искусственный интеллект в кардио- и нейронауке» Исследовательского центра в сфере искусственного интеллекта ННГУ им. Н.И. Лобачевского Антон Мальков.
Чтобы определить у пациентов эпилепсию по электроэнцефалограмме, требуются часы записи активности головного мозга. Причем диагноз ставится только в случае, когда на ЭЭГ виден припадок. В 30% случаев электрографически зафиксировать судорожную активность не удается, а периоды между приступами могут быть очень долгими. Поэтому ученые предложили использовать для оценки межсудорожную активность мозга.
«Стандартные клинические записи часто не учитывают значительную часть ценной информации, которая содержится в ЭЭГ. По волнам ритмов мозга можно оценить его состояние, увидеть гипервозбудимость, понять, что мозг работает неправильно. Для такой оценки наша модель использует около 200 параметров ритмов мозга, указывающих на здоровую или патологическую активность», – подчеркнул Антон Мальков.
«На данном этапе показана возможность использования фоновой активности ЭЭГ для поиска изменений в работе мозга в досимптоматический период. Это может помочь в ранней постановке диагноза, что крайне важно для лечения заболеваний, связанных с нарушениями в работе мозга», – отметила соавтор исследования, старший научный сотрудник лаборатории «Искусственный интеллект в кардио- и нейронауке» Исследовательского центра в сфере искусственного интеллекта ННГУ Альбина Лебедева.
В планах нижегородских ученых – проверка эффективности модели на новых клинических данных. Тестирование разработки будет проходить в том числе на базах Научно-исследовательского института педиатрии Университетской клиники Приволжского исследовательского медицинского университета Минздрава РФ (Нижний Новгород), Научно-исследовательского клинического института педиатрии и детской хирургии имени академика Ю.Е. Вельтищева, Российского национального исследовательского медицинского университета им. Н.И. Пирогова, Медико-генетического центра «Геномед» (Москва).
В будущем исследователи обучат систему определять по ЭЭГ не только наличие, но и тип эпилепсии, указывающий на ее причины. Проект выполнен лабораторией «Искусственный интеллект в кардио- и нейронауке» Исследовательского центра в сфере искусственного интеллекта ННГУ им. Н.И. Лобачевского. Работа состоялась при участии Института теоретической и экспериментальной биофизики РАН (Пущино).
Результаты исследования опубликованы в международном журнале Communications in Nonlinear Science and Numerical Simulation.