Два исследователя из Университета Луизианы в Лафайетте разработали модель, основанную на искусственном интеллекте, которая может с точностью до 99,6% прогнозировать возникновение эпилептического припадка за час до наступления.

Алгоритм использует результаты электроэнцефалограммы (ЭЭГ) для прогноза. Сейчас учёные занялись разработкой устройства, на основе которого будет функционировать модель.

По информации исследователей, сегодня в мире около 50 млн человек страдает эпилепсией. Одна из самых неприятных черт этой болезни — непредсказуемость припадков.

«Из-за неожиданных приступов эпилепсия оказывает сильное негативное психологическое и социальное влияние на пациентов», — отметил Хишам Дауд, исследователь, один из авторов алгоритма. По его словам, заблаговременное выявление припадка может значительно улучшить качество жизни пациентов с эпилепсией и предоставить им достаточно времени для принятия необходимых мер. Как указано на IEEE Spectrum, в 70% случаях припадок можно контролировать с помощью лекарств.

Дауд и его коллега Мэгди Баюми — не первые учёные, которые старались предсказать начало эпилептического припадка. Ранее несколько исследовательских групп также разрабатывали алгоритмы для прогнозирования приступов. Однако у каждого человека мозг работает уникальным образом, что затрудняет точное прогнозирование. В основе предыдущих моделей лежала работа в два этапа. Сначала исследователи анализировали активность мозга с помощью ЭЭГ, а затем результаты анализа использовали для составления прогноза. Однако двухэтапная работа усложняла работу модели. В новом подходе, описанном в исследовании, оба процесса объединены в автоматизированную систему, которая обеспечивает более раннее и более точное прогнозирование судорог.

Исследователи проверили свой подход, используя данные ЭЭГ от 22 пациентов в Бостонской детской больнице. Хотя, как отмечает IEEE Spectrum, выборка невелика, результаты проверки оказались многообещающими для команды. Их модель не только очень точна (99,6%), но и имеет низкую тенденцию к ложным срабатываниям — 0,004 ложных срабатывания в час. Система, тем не менее, требует настройки, прежде чем внедрять её активное использование.

«Чтобы достичь высокой точности с ранним временем прогнозирования, нам необходимо обучить модель для каждого пациента, — сообщил Дауд, отметив, что для обучения может потребоваться несколько часов мониторинга ЭЭГ во время приступа.

По словам Дауда, по завершении этой работы следующим шагом исследователей станет создание чипа для обработки алгоритмов, который пациентам будет удобно использовать.

«В настоящее время мы работаем над созданием эффективного аппаратного устройства, в основе работы которого будет лежать этот алгоритм. Нам необходимо будет учесть такие параметры, как размер системы, энергопотребление и скорость работы так, чтобы устройство подходило для практического применения», — отметил он.

См. также: «Нейрофизиолог рассуждает о проекте Neuralink и рассказывает о работе мозга „на пальцах“»