Учените са разработили модел на машинно обучение, който прави възможно откриването на болестта на Паркинсон за стотни от секундата въз основа на резултатите от електроенцефалограма (ЕЕГ) и то с 99,9% точност.
Друго предимство на новия алгоритъм е неговата съвместимост с преносими домашни устройства, които пациентите могат да имат и в домовете си. Следователно предложеният алгоритъм може да се използва не само в болница за диагностика, но и у дома за проследяване на здравословното състояние на хора с диагностицирана преди това болест на Паркинсон.
Резултатите от проучването, подкрепено от грант от Руската научна фондация (RSF), бяха публикувани в международното списание Sensors.
Много страни са изправени пред проблема със застаряването на населението. Според прогнозите на СЗО до 2050 г. повече от 20% от жителите на света ще бъдат на възраст над 60 години. Това повишава риска от широкоразпространени невродегенеративни заболявания като деменция, болест на Алцхаймер, Паркинсон и др.
Ето защо експертите се опитват да подобрят диагностичните си методи, които ще направят възможно идентифицирането и лечението на свързаните с възрастта нарушения на нервната система в най-ранните етапи, като по този начин ще намалят необратимите увреждания на мозъка, както и ще увеличат качеството и продължителността на живота на пациентите.
Доказано е, че най-точният начин за определяне на болестта на Паркинсон е чрез анализ на електроенцефалограма – запис на електрическата активност на мозъка, тъй като тя се различава значително при здрави и болни хора.
В допълнение, ЕЕГ сигналите са удобни не само за диагностициране на заболяване, но и за последващото му наблюдение, тъй като могат да бъдат записани не само от лекари, използващи оборудване, инсталирано в болници, но и от преносими устройства, които позволяват наблюдение на състоянието на пациента извън лечебните заведения в почти реално време.
И въпреки че съществуващите алгоритми, които обработват ЕЕГ данни и произвеждат прогноза за заболяване, вече показват висока точност – над 99%, те са сложни и енергоемки и следователно невинаги могат да се използват в „слаби“ преносими медицински устройства.
Разработват бърз кръвен тест за диагностика на паркинсон
Учени от Петрозаводския държавен университет и колега от Кувейтския колеж за наука и технологии са разработили алгоритъм за машинно обучение за диагностициране и наблюдение на болестта на Паркинсон, използвайки ЕЕГ данни, които могат да се използват в преносими медицински устройства с ниска мощност.
Авторите записват електроенцефалограми на 20 здрави хора и 20 пациенти с болестта на Паркинсон. За да ги анализират, разработват алгоритъм, който обработва данните на няколко етапа.
Първо, той „прекъсва“ електрически сигнали, съответстващи на нискочестотен и високочестотен шум, тоест неносещи никаква информация за функционирането на мозъка. Програмата използва останалите „информативни“ честотни диапазони, за да използва математически методи за идентифициране на ЕЕГ признаци, които отличават здрави хора от пациенти.
В резултат на това моделът за машинно обучение прави възможно идентифицирането на 11 признака, въз основа на които е възможно да се открие болестта на Паркинсон с 99,9% точност. Оказва се, че тези признаци са свързани с бавни делта и тета ритми на електрическа активност в мозъка, обикновено характерни за състояние на покой или сън.
При хората с болестта на Паркинсон тези ритми са по-изразени и затова могат да се използват при диагностиката. В изчисленията е използвана размита ентропия, която показва висока ефективност в сравнение с други подходи.
Авторите също така доказали експериментално, че използването на 11-те ключови функции, вместо всички данни от ЕЕГ, може да намали времето за работа на алгоритъма 11 пъти (до стотни от секундата). Това означава, че програмата изисква порядък по-малко изчислителни ресурси от подобни инструменти.
„Предложеният алгоритъм открива болестта на Паркинсон с помощта на ЕЕГ с минимални изчислителни усилия, което означава, че ще работи дори на домакински устройства с ниска мощност в Интернет например. Такова устройство се превръща в дигитален асистент, който следи здравословното състояние на пациента в ежедневието.
Това ще ускори дигитализацията на медицината и ще следи състоянието на пациентите, които по една или друга причина не могат редовно да посещават медицински центрове.
Предложеният алгоритъм ще бъде един от многото елементи на концепцията за „бионичен костюм“, който разработваме за хора, с цел да осигурим цялостен неинвазивен мониторинг на здравословното състояние, включително в реално време“, казва ръководителят на проекта, подкрепен с безвъзмездна помощ от Руската научна фондация, Дмитрий Корзун, доктор на физико-математическите науки, доцент в Катедрата по информатика и математическа поддръжка, и научен директор на Центъра за изкуствен интелект на Петрозаводския държавен университет.
Милена ВАСИЛЕВА
