Искусственный интеллект ускорит доклинические исследования эпилепсии

ФОТО: Designed by freepik

По данным Всемирной организации здравоохранения (ВОЗ), около 50 млн человек во всем мире страдают эпилепсией. Диагностика данного заболевания часто затруднена из-за многообразия проявлений приступов и сходства их с другими состояниями. В частности, это касается абсансной эпилепсии, при которой у человека возникают кратковременные эпизоды потери сознания, но без судорог.

Систему на основе искусственного интеллекта (ИИ), которая автоматически с высокой точностью определяет фазы глубокого сна и фиксирует эпизоды абсансной эпилепсии у лабораторных крыс, разработали ученые Сибирского центра ИИ Томского государственного университета (ТГУ) совместно с Институтом высшей нервной деятельности и нейрофизиологии (ИВНД и НФ) РАН. Разработка будет использована для исследования абсансной эпилепсии у крыс, что позволит улучшить подходы для диагностики и лечения данного заболевания людей, сообщила пресс-служба вуза.

«Проект был крайне интересным, поскольку потребовал от нас, специалистов из машинного обучения, погрузиться в такую сложную и местами неопределенную область, как изучение нашего мозга. Мы обучали модель на библиотеке данных, размеченных экспертами ИВНД и НФ РАН. Сделали приложение, теперь в него можно загружать данные электрокортикограммы. Система производит весь процесс обработки данных без участия эксперта с минимумом погрешностей», - сказал один из разработчиков автоматизированной системы, сотрудник Сибирского центра ИИ ТГУ Александр Ковалев.

По словам ученых, нарушения структуры сна часто сопровождают системные заболевания и связаны с риском развития психических и нервных расстройств. Анализ мозговой активности во время сна является одним из важных методов диагностики эпилепсии. Установлена взаимосвязь между эпилепсией и специфическими нарушениями структуры сна, в частности, фрагментарности фазы глубокого сна.

В настоящее время расшифровка электрокортикограммы обычно проводится специалистом вручную, что занимает очень много времени. Ученые смогли обучить систему обрабатывать часовые записи всего за 15-25 секунд, не требуя при этом больших вычислительных мощностей.