Ученые клиники Майо используют искусственный интеллект (ИИ) и машинное обучение для более быстрого и точного анализа результатов электроэнцефалограммы (ЭЭГ), что позволяет неврологам находить ранние признаки деменции среди данных, которые обычно остаются неизученными.

ЭЭГ столетней давности, во время которой дюжина или более электродов прикрепляются к черепу для мониторинга активности мозга , часто используется для выявления эпилепсии. Ее результаты интерпретируются неврологами и другими экспертами, обученными выявлять закономерности среди волнистых волн теста.

В новом исследовании, опубликованном в журнале Brain Communications , ученые из программы Mayo Clinic Neurology AI Program (NAIP) демонстрируют, как ИИ может не только ускорить анализ, но и предупредить экспертов, просматривающих результаты тестов, об аномальных закономерностях, которые слишком трудно обнаружить людям. Технология показывает потенциал, чтобы однажды помочь врачам различать причины когнитивных проблем, таких как болезнь Альцгеймера и деменция с тельцами Леви. Исследование предполагает, что ЭЭГ, которые более широко доступны, менее дороги и менее инвазивны, чем другие тесты для оценки здоровья мозга , могут стать более доступным инструментом, чтобы помочь врачам выявлять когнитивные проблемы у пациентов на ранней стадии.

«В этих мозговых волнах на ЭЭГ содержится много медицинской информации о здоровье мозга», — говорит старший автор Дэвид Т. Джонс, доктор медицины, невролог и директор NAIP. «Хорошо известно, что можно увидеть, как эти волны замедляются и выглядят немного иначе у людей с когнитивными проблемами. В нашем исследовании мы хотели узнать, можем ли мы точно измерить и количественно оценить этот тип замедления с помощью ИИ».

Для разработки инструмента исследователи собрали данные более чем 11 000 пациентов, которым в течение десятилетия делали ЭЭГ в клинике Майо. Они использовали машинное обучение и ИИ для упрощения сложных паттернов мозговых волн до шести конкретных признаков, научив модель автоматически отбрасывать определенные элементы, такие как данные, которые следует игнорировать, чтобы сосредоточиться на паттернах, характерных для когнитивных проблем, таких как болезнь Альцгеймера.

«Удивительно, как эта технология помогла быстро извлечь паттерны ЭЭГ по сравнению с традиционными методами измерения деменции, такими как когнитивное тестирование у постели больного, биомаркеры жидкости и визуализация мозга», — говорит доктор медицины Вентао Ли, один из первых авторов статьи, который проводил исследование совместно с NAIP, будучи научным сотрудником по клинической поведенческой неврологии клиники Майо.

«Сейчас один из распространенных способов количественной оценки закономерностей в медицинских данных — это экспертное мнение. А как мы узнаем, что закономерности присутствуют? Потому что эксперт говорит вам, что они присутствуют», — говорит доктор Джонс. «Но теперь с ИИ и машинным обучением мы не только видим то, чего не видят эксперты, но и то, что они видят, мы можем точно оценить».

Использование ЭЭГ для выявления когнитивных проблем не обязательно заменит другие типы обследований, такие как МРТ или ПЭТ. Но с помощью искусственного интеллекта ЭЭГ может однажды предоставить медицинским работникам более экономичный и доступный инструмент для ранней диагностики в сообществах, где нет легкого доступа к специализированным клиникам или специализированному оборудованию, например, в сельской местности, считает доктор Джонс.

«Очень важно выявлять проблемы с памятью на ранней стадии, даже до того, как они станут очевидными», — говорит доктор Джонс. «Ранняя постановка правильного диагноза помогает нам давать пациентам правильный прогноз и лучшее лечение. Методы, которые мы рассматриваем, могут быть более дешевым способом выявления людей с ранней потерей памяти или деменцией по сравнению с имеющимися у нас в настоящее время тестами, такими как анализы спинномозговой жидкости, сканирование глюкозы в мозге или тесты на память».

По словам доктора Джонса, для продолжения тестирования и проверки инструментов потребуется несколько лет дополнительных исследований. Однако он говорит, что исследование демонстрирует, что существуют способы использования клинических данных для включения новых инструментов в клинический рабочий процесс для достижения цели исследователей по внедрению новых моделей и инноваций в клиническую практику , расширению возможностей существующих оценок и масштабированию этих знаний за пределами клиники Майо.

«Эта работа является примером междисциплинарной командной работы по продвижению исследований в области здравоохранения на основе трансляционных технологий», — говорит Йога Варатараджа, доктор философии, соавтор статьи, который был научным сотрудником NAIP на момент завершения работы.