Ученые научили искусственный интеллект диагностировать бессудорожную эпилепсию по результатам ЭЭГ
Ученые создали программу для диагностики бессудорожных эпилептических припадков по результатам электроэнцефалографии (ЭЭГ). Для решения этой задачи применили теорию экстремальных значений, с помощью которой описывают такие события, как эпидемии, торнадо или крупные пожары. Точность работы алгоритма, который уже проходит доклинические испытания, составляет 80%.
В группу исследователей вошли ученые из Санкт-Петербургского государственного университета (СПбГУ), Национального медико-хирургического Центра (НМХЦ) им. Н.И. Пирогова, Университета Иннополис, Балтийского федерального университета (БФУ) им. Иммануила Канта и сотрудники научно-производственной компании «Иммерсмед».
Эпилептические приступы возникают из-за внезапного электрического разряда в нейронах головного мозга — их почти невозможно предсказать заранее. Припадки не всегда сопровождаются судорогами, и у одного и того же больного приступы могут различаться между собой. Именно поэтому своевременная диагностика эпилепсии необходима и может предотвратить негативные последствия для пациента.
«Существует гипотеза, что эпилептические приступы можно рассматривать как экстремальное явление в живых системах. То есть с математической точки зрения они сравнимы с такими экстремальными событиями, как тропические ливни или волны-убийцы в океане, которые тоже невозможно спрогнозировать», — рассказал Александр Храмов, ведущий научный сотрудник СПбГУ, руководитель лаборатории нейронауки и когнитивных технологий Университета Иннополис и главный научный сотрудник Балтийского центра нейротехнологий и искусственного интеллекта БФУ им. И. Канта.
Ранее ученым удалось подтвердить эту гипотезу: они изучили динамику возникновения припадков у крыс, проанализировали распределение формирования эпилептических приступов по данным электрокортикограмм специальных линий крыс с генетической предрасположенностью к эпилепсии, а также изучили спектральные шумовые характеристики электроэнцефалограмм пациентов, страдающих эпилепсией.
В результате исследователи смогли найти признаки, которые позволяют отнести эпилептические припадки к разряду экстремальных явлений. В первую очередь, это усиление шума на ЭЭГ перед эпилептическим разрядом, а также специфические распределения энергии электрической активности мозга.
Вывод ученых открыл возможность применения в диагностике эпилепсии математических методов, а именно теории экстремальных значений. Она описывает определенные режимы поведения сложных систем, для которых характерны резкие и масштабные изменения. С ее помощью математики определяют вероятность возникновения таких экстремальных событий, как эпидемии, торнадо, крупные пожары и даже побочные эффекты приема лекарств.
Исследователи впервые в мире воспользовались этой теорией для создания искусственного интеллекта, способного помочь врачам в поиске эпилептической активности на электроэнцефалограмме, ведь именно с проверки результатов ЭЭГ обычно начинается диагностика эпилепсии.
По словам Александра Храмова, электроэнцефалографию зачастую проводят в течение нескольких дней. Затем врач самостоятельно, без какой-либо помощи компьютера анализирует длинные записи ЭЭГ, что занимает не менее часа. С помощью нового алгоритма время может быть сокращено до пяти минут.
Как рассказал ученый, создать универсальный искусственный интеллект, способный распознавать эпилептическую активность мозга на ЭЭГ, до сих пор не удавалось. Причины этому — небольшая длительность приступов по сравнению с «нормальной» активностью, а также тот факт, что в целом активность мозга каждого человека весьма индивидуальна.
Вот почему вместо традиционного контролируемого машинного обучения, когда нейросеть учится на основе готовой размеченной базы данных (например, результатов ЭЭГ с обозначенными участками нестандартной мозговой активности), исследователи использовали неконтролируемое, то есть предоставили алгоритму большой неразмеченный массив и поручили ему искать любые отклонения от нормы.
Полученную программу протестировали на результатах ЭЭГ 83 пациентов НМХЦ им. Н.И. Пирогова. Чтобы проверить правильность оценки, результаты сравнивали с электроэнцефалограммами, на которых эпилептические приступы были заранее отмечены эпилептологом. В итоге выводы алгоритма совпали с решениями врача в 80% случаев.
На втором этапе ученые исключили из эксперимента 23 записи ЭЭГ, которые были сделаны недостаточно качественно (помехи могли возникнуть из-за неточной установки электродов), и достоверность выводов искусственного интеллекта составила уже 100%.
Как рассказал Олег Карпов, академик РАН, генеральный директор НМХЦ им. Н.И. Пирогова, уникальность разработанного учеными алгоритма заключается в том, что он размечает данные каждого пациента по отдельности и автоматически учитывает его индивидуальные особенности.
«Поскольку алгоритм основан на обнаруженном явлении экстремальности разрядов в нейронной сети мозга, он прозрачен, то есть все выводы системы будут понятны врачу-эпилептологу», — поясняет Олег Карпов.
Сейчас нейросеть проходит доклинические испытания в НМХЦ им. Н.И. Пирогова, однако в планах ученых — ее усовершенствование. Следующим этапом станет создание гибридной системы — алгоритма, в котором неконтролируемое и контролируемое обучение будут сочетаться.
«Также мы планируем разобраться, почему у 23 человек нейросеть не обнаружила эпилептической активности: если дело в плохом качестве записи, то мы хотим окончательно в этом убедиться. В результате рассчитываем поднять точность работы алгоритма как минимум до 95%», — отмечает Александр Храмов.
Работа была проведена при поддержке Минобрнауки России и гранта СПбГУ. Результаты исследования опубликованы в журнале Scientific Reports.
