Молодые ученые Сеченовского университета разработали нейросеть для выявления болезни Паркинсона по данным электроэнцефалографии (ЭЭГ). Модель научили успешно распознавать характерные для этой патологии частотные аномалии и выявлять пациентов с болезнью Паркинсона с точностью, достигающей 97%. Ожидается, что в будущем это поможет определять недуг на ранней стадии, и врачи, таким образом, смогут быстрее и точнее ставить предварительный диагноз и назначать исследования для его подтверждения.
Для работы был использован открытый зарубежный датасет, содержащий обезличенные данные ЭЭГ пациентов с болезнью Паркинсона и здоровых участников, вручную размеченный неврологом, пояснили в пресс-службе Сеченовского университета. Этот датасет исследователи разбили на выборки для обучения и тестирования нейросети. На первой выборке обучили модель, на второй, которую она «видела» впервые, проверили ее способность детектировать ЭЭГ здоровых и больных пациентов. В ближайших планах научной группы ― собрать большой датасет с данными ЭЭГ пациентов с различными стадиями развития болезни Паркинсона, что позволит дообучить модель и протестировать ее совместно с экспертами-неврологами.
Подробнее о новой разработке корреспонденту «Научной России» рассказала автор проекта и выпускница магистратуры «Информационные системы и технологии» Сеченовского университета Екатерина Вахромеева.
«Уникальность подхода заключается в том, что мы используем электроэнцефалограмму. Это относительно недорогой, доступный и неинвазивный метод, хотя его и нет в клинических рекомендациях Минздрава России для диагностики болезни Паркинсона. Сейчас анализ электроэнцефалограммы представляет собой довольно длительную процедуру, которая может занимать до 30 мин. В течение этого времени врачу приходится самостоятельно искать паттерны, характерные для различных заболеваний. Наша система, в свою очередь, позволяет сократить это время, предоставляя врачу быстрый предварительный анализ, что может быть ценным: например, для скрининга. <…> Сложности, с которыми мы столкнулись в ходе работы над проектом, связаны в основном с особенностями машинного обучения и поиском адекватного для этой задачи датасета. Для обучения нейросети нужны достаточно большие массивы размеченных данных: в идеале ― несколько сотен тысяч качественных и репрезентативных экземпляров. Это огромный труд, требующий выстраивания совместной работы с клиниками и непосредственного участия опытных врачей-диагностов».
Подробнее об исследовании — в нашем видео.
Новость подготовлена при поддержке Министерства науки и высшего образования РФ
Автор фото на заставке видео: Екатерина Вахромеева
Фото в шапке текста: создано с помощью сервиса «Шедеврум»
