AI-система, с исключительной точностью предсказывающая приступы эпилепсии

AI-система, с исключительной точностью предсказывающая приступы эпилепсии

26 Nov 2019
34
Прослушать

Из-за неожиданных приступов эпилепсия оказывает сильное психологическое и социальное воздействие на пациентов. Заблаговременное выявление припадков может значительно улучшить качество жизни пациентов с эпилепсией и предоставить им достаточно времени для принятия мер. Примечательно, что такие припадки поддаются контролю с помощью медикаментов у 70% этих пациентов.

Недавно исследователи из Луизианского университета в Лафайетте (США) разработали новую модель на основе искусственного интеллекта (artificial intelligence, AI), которая может предсказывать возникновение припадков за час до начала с точностью 99,6%.

Другие исследовательские группы также работали над тем, чтобы анализировать деятельность мозга с помощью анализа данных электроэнцефалограммы (ЭЭГ) и использовать эти данные для разработки прогностических моделей. Тем не менее, у каждого человека есть уникальная модель мозга, что затрудняет точное предсказание припадков. Предыдущие модели разрабатывались в два этапа, сначала вручную определялась структура мозга, а затем применялась система классификации, что добавляет сложности модели.

При новом подходе, согласно исследованию, опубликованному в журнале IEEE Xplore, процессы определения и классификации характеристик объединены в единую автоматизированную систему, которая позволяет делать более раннее и точное прогнозирование приступов у эпилептиков.

Кроме того, исследователи использовали еще один классификационный подход, в соответствии с которым алгоритм глубокого обучения извлекает и анализирует пространственно-временные особенности мозговой активности пациента с помощью различных электродов, повышая точность модели. И, наконец, показания ЭЭГ могут включать несколько "каналов" электрической активности, поэтому университетские ученые применили дополнительный алгоритм для определения наиболее подходящих каналов электрической активности, что также ускоряет процесс прогнозирования приступов.

Исследователи разработали и протестировали свой подход, используя долгосрочные данные ЭЭГ от 22 пациентов Бостонской детской больницы. Хотя это небольшой размер выборки, результаты оказались выше ожиданий. Их модель не только очень точна (99,6%), но и практически не имеет ложных срабатываний - 0,004 ложных срабатывания в час.

Правда, для получения таких результатов система нуждается в определенной настройке, обучении модели на каждом пациенте. Такое обучение может потребовать несколько часов неинвазивного ЭЭГ мониторинга, в том числе во время самого приступа