Специалисты Университета Лобачевского обучили нейросеть распознавать эпилептиформную активность на электроэнцефалограммах. Разработка должна сократить объём ручной работы врачей и повысить объективность анализа ЭЭГ при эпилепсии.
Одним из важных показателей при обследовании пациентов является индекс спайк-волновой активности, или SWI. Он отражает долю времени записи ЭЭГ, в течение которой наблюдаются характерные эпилептиформные паттерны.
Обычно специалисты рассчитывают этот показатель вручную, анализируя спайки и острые волны на отдельных участках записи. Такая работа требует много времени, а оценки разных врачей могут отличаться, особенно при неоднозначных изменениях на ЭЭГ.
Старший научный сотрудник лаборатории «Искусственный интеллект в кардио- и нейронауке» ННГУ Альбина Лебедева отметила, что алгоритм способен выполнять роль дополнительного эксперта. Нейросеть одинаково обрабатывает данные при любых условиях и выдаёт воспроизводимый результат, сопоставимый с усреднённой оценкой нескольких специалистов.
Для анализа учёные адаптировали архитектуру глубокой нейронной сети 1D U-Net. Она не просто определяет наличие патологической активности, а устанавливает точные временные границы каждого эпилептиформного паттерна. Это позволяет автоматически рассчитывать SWI и оценивать нагрузку на мозг.
В исследовании использовали 51 запись ЭЭГ, полученную от 45 детей в возрасте от трёх до 13 лет. Для обучения алгоритма отобрали 41 запись, а ещё 10 использовали для тестирования и сравнения результатов с заключениями врачей.
Выбранные десятиминутные фрагменты независимо изучили пять специалистов функциональной диагностики с опытом работы не менее пяти лет. Через четыре месяца им повторно показали те же записи в изменённом порядке, чтобы оценить устойчивость их выводов.
Результаты нейросети сравнили как с индивидуальными заключениями врачей, так и с их усреднённым мнением. У половины пациентов в тестовой группе событийная F1-мера превысила 0,9, а автоматически рассчитанный индекс SWI показал высокую связь с экспертными оценками.
В создании технологии участвовали специалисты ННГУ, Приволжского исследовательского медицинского университета, НИИ педиатрии и детской хирургии имени Ю. Е. Вельтищева и Российского национального исследовательского медицинского университета имени Н. И. Пирогова.
Ректор Университета Лобачевского Олег Трофимов отметил, что объединение компетенций в сфере искусственного интеллекта и клинической медицины позволяет создавать решения для более точной диагностики и персонализированного лечения.
Алгоритм не заменяет врача и самостоятельно не ставит диагноз. Он может использоваться как вспомогательный инструмент для ускорения анализа ЭЭГ, контроля эффективности терапии и подготовки более объективных медицинских заключений.
Работу выполнили при поддержке Министерства экономического развития России. Результаты исследования опубликованы в научном журнале Technologies.
Фото: Пресс-служба ННГУ
Ранее в новостях: Учёные ННГУ создали систему для прогноза здорового старения
Подписывайтесь на нашу страницу ВКонтакте — https://vk.com/opennov!
