Ученые разработали искусственный интеллект, способный диагностировать бессудорожную эпилепсию на долговременных записях ЭЭГ

Группа исследователей, в которую вошли ученые из СПбГУ, НМХЦ имени Н. И. Пирогова, Университета Иннополис, БФУ имени Иммануила Канта и сотрудники научно-производственной компании «Иммерсмед», создала программу для диагностики бессудорожных эпилептических припадков по результатам электроэнцефалографии (ЭЭГ). Впервые в мире для решения этой задачи применили теорию экстремальных значений, с помощью которой описывают экстремальные события — эпидемии, торнадо или крупные пожары. Точность работы алгоритма, который уже проходит доклинические испытания, составила 80 %.

Creative commons; Scientific Reports 12, article number 11474
Creative commons; Scientific Reports 12, article number 11474

Результаты исследования опубликованы в журнале Scientific Reports.

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 отличаться 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.

Александр Храмов, ведущий научный сотрудник СПбГУ (кафедра теоретической кибернетики), руководитель Лаборатории нейронауки и когнитивных технологий Университета Иннополис и главный научный сотрудник Балтийского центра нейротехнологий и искусственного интеллекта БФУ имени 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 с 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 торнадо, крупные пожары, энергетические блэкауты и даже побочные эффекты приема лекарств.

Исследователи из СПбГУ совместно с учеными Национального медико-хирургического центра имени Н. И. Пирогова, Университета Иннополис и БФУ имени Иммануила Канта и разработчики компании ?Иммерсмед? 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.

Электроэнцефалографию зачастую проводят несколько дней. Затем врач самостоятельно без какой-либо помощи компьютера анализирует длинные записи ЭЭГ, что занимает несколько часов. С помощью нового алгоритма мы рассчитываем сократить это время до 5–10 минут.

Александр Храмов, ведущий научный сотрудник СПбГУ (кафедра теоретической кибернетики), руководитель Лаборатории нейронауки и когнитивных технологий Университета Иннополис и главный научный сотрудник Балтийского центра нейротехнологий и искусственного интеллекта БФУ имени Канта

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.

Creative commons; Scientific Reports 12, article number 11474, часть оригинального изображения. Пример данных, полученных на различных этапах алгоритма: данные ЭЭГ, 25 каналов с тремя эпилептическими припадками (показаны красным)
Creative commons; Scientific Reports 12, article number 11474, часть оригинального изображения. Пример данных, полученных на различных этапах алгоритма: данные ЭЭГ, 25 каналов с тремя эпилептическими припадками (показаны красным)

Полученную программу протестировали на результатах ЭЭГ 83 пациентов НМХЦ имени Н. И. Пирогова. Чтобы проверить правильность оценки, результаты сравнивали с электроэнцефалограммами, на которых эпилептические приступы были заранее отмечены эпилептологом. В итоге доводы алгоритма совпали с отметками 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 %.

В работе приняли участие исследователи Национального медико-хирургического центра имени Н. И. Пирогова, Санкт-Петербургского государственного университета (кафедра теоретической кибернетики), лаборатории нейронаук и когнитивных технологий Университета Иннополис, Балтийского центра искусственного интеллекта и нейротехнологий Балтийского федерального университета имени Иммануила Канта, а также сотрудники компании ?Иммерсмед?.

Исследование было выполнено в рамках государственного задания Минобрнауки России (FZWM-2020-0013), поддержано грантом СПбГУ (ID 91924061).

Как рассказал соавтор исследования Олег Карпов, академик РАН, генеральный директор НМХЦ имени 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?.

Creative commons; Scientific Reports 12, article number 11474, часть оригинального изображения. Результат обучения и тестирования алгоритма. ТР — правильно обнаруженные события (показаны красным), FP — ложно отмеченные события (показаны серым)
Creative commons; Scientific Reports 12, article number 11474, часть оригинального изображения. Результат обучения и тестирования алгоритма. ТР — правильно обнаруженные события (показаны красным), FP — ложно отмеченные события (показаны серым)

Сейчас нейросеть проходит доклинические испытания в НМХЦ имени Н. И. Пирогова, однако в планах ученых ее усовершенствовать. ?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, — отмечает Александр Храмов. — В результате рассчитываем поднять точность работы алгоритма как минимум до 95 %?.