В США разрабатывается алгоритм для обнаружения и классификации приступов при эпилепсии

Для мониторинга, лечения и лучшего понимания того, как возникают и развиваются судороги при эпилепсии, ученые и врачи ищут более объективные возможности обнаружения и анализа активности мозга. В настоящее время типичная электроэнцефалография (ЭЭГ), записывающая мозговые волны во время припадка, имеет ограниченную ценность, так как для того, чтобы получить представление о том, что произошло, требуется довольно много обработки. Команда американских ученых из Вашингтонского университета в Сент-Луисе, Техасского университета в Арлингтоне и Северо-Восточного университета объединили свои усилия для разработки нового вычислительного метода, который позволяет быстро обрабатывать данные и получать значимые результаты, так чтобы приближающиеся припадки и их уникальные особенности могли быть количественно оценены в режиме реального времени.

Информация об этом исследовании была опубликована в журнале Scientific Reports.

"Наша технология позволяет получать "сырые" данные, обрабатывать их и извлекать информацию, более полезную для использования ее моделью машинного обучения, - сказал один из разработчиков Уолтер Бомела (Walter Bomela). - Основным преимуществом нашего подхода является сведение сигналов от 23 электродов в один параметр, который может быть эффективно обработан при гораздо меньшем количестве вычислительных ресурсов".

Простой взгляд на показания ЭЭГ во время припадка показывает, что нормальная деятельность мозга превращается в сильные, синхронизированные разряды, которые подавляют большую часть мозга. Считается, что они возникают от групп нейронов, которые, судя по всему, хотят действовать вместе и усиливать друг друга. Но точность обнаружения припадков при традиционных измерениях недостаточно хороша.

Чтобы получить более точное понимание данных и определить, где и когда возникают припадки, исследовательская группа разработала новый алгоритм, основанный на сетевых принципах. Как говорит Бомела,

Мы рассматривали электроды ЭЭГ как узлы сети. Используя записи от каждого узла, мы разработали подход, основанный на данных, чтобы сделать вывод об изменяющихся во времени соединениях в сети или отношениях между узлами. Мы хотим понять о том, как определенная область мозга взаимодействует с другими.

Алгоритм, который до сих пор был обучен работе только с одним определенным человеком, быстро идентифицирует сигнальные сети и анализирует их различные параметры. Одним из таких параметров является собственное значение Фидлера (алгебраическая связность), который измеряет синхронность сети и который особенно интересен, так как увеличивается с началом приступа. Кроме того, этот же параметр помогает свести к минимуму шум сигнала и отвлечь внимание от блуждающих сигналов, исходящих от нормальной жизнедеятельности организма.

В настоящее время исследователи планируют расширить свои исследования для работы с другими людьми, страдающими от эпилепсии, и количественно оценить различные виды припадков.