ИИ обнаруживает ранние признаки эпилепсии без видимых приступов

Эпилепсию не всегда легко диагностировать. Приступы часто не возникают во время обычной записи мозговых волн (ЭЭГ), оставляя врачей без непосредственного наблюдения, необходимого для постановки четкого диагноза. Исследователи и сотрудники Университета Делавэра работают над тем, чтобы восполнить этот пробел, используя искусственный интеллект для обнаружения ранних предупреждающих знаков, скрытых в электрических ритмах мозга.

В ходе проверочного исследования на мышах команда показала, что их подход может выявить тонкие различия ЭЭГ, связанные с генетической формой эпилепсии, даже если видимых приступов не было. Результаты, опубликованные в Журнале нейронной инженерии, закладывают основу для следующего этапа исследования, в ходе которого будет проверен метод на ЭЭГ детей, обследованных на эпилепсию в Nemours Children's Health.

Словарь мозговых волн

Неврологи часто используют ЭЭГ для диагностики эпилепсии, но обычные записи дают лишь около 20-минутный снимок мозговой активности. Без захвата приступа в это время врачам приходится искать гораздо более тонкие подсказки, которые сложно обнаружить визуально.

И здесь на помощь приходит ИИ. Алгоритм исследователей UD работает во многом так же, как изучающий язык сталкивается с незнакомым языком. Он начинается с выявления закономерностей, которые часто появляются в записях ЭЭГ, и изучает их значение в контексте, эффективно создавая словарь электрических паттернов.

Наш подход на основе машинного обучения позволяет алгоритму изучать «язык» сигналов мозга, выявляя тонкие закономерности, которые люди могут упустить при ручном просмотре».

Остин Брокмайер, доцент кафедры электротехники и вычислительной техники, а также компьютерных и информационных наук

Начинаем с малого с помощью мыши model

Когда Брокмайер, преподаватель факультета междисциплинарной программы для выпускников нейробиологии (ING) UD, представил свои исследования в области вычислительной нейробиологии на семинаре ING, он привлек внимание Аманды Эрнан, доцента кафедры психологии, наук о мозге и биомедицинской инженерии в UD и старшего научного сотрудника Nemours Children's Health, которая также является наставником факультета ING, изучает, как изменения в активности мозга влияют. мышление и обучение у детей с эпилепсией.

Они решили протестировать машинное обучение, используя ЭЭГ мышей с вызывающими эпилепсию вариациями гена TSC1. Исследователи использовали группу из более чем 40 мышей, включая животных с вариациями гена и без них, в трех разных генетических группах или линиях. Они извлекли для анализа сегменты ЭЭГ из пятидневных записей от каждой мыши.

Поскольку сегменты ЭЭГ не содержали приступов. Алгоритм должен был обнаружить различия только в базовой активности мозга. Он смог различать линии мышей и с высокой точностью обнаруживать вариации гена TSC1 у двух из трех штаммов.

"Эти результаты показывают, что ЭЭГ-паттерны содержат измеримые сигналы неврологических различий, даже без видимых приступов", - сказал Эрнан.

Приносим это в клинику

Теперь команда выводит свой метод из эксплуатации. При финансовой поддержке Делавэрской программы клинических и трансляционных исследований ACCEL Брокмайер и Эрнан затем применят свой подход к записям ЭЭГ детей, обследуемых на эпилепсию в Nemours Children's Health.

Детские ЭЭГ короче, чем многодневные записи, использованные в исследовании на мышах, и у детей наблюдается множество различных типов эпилепсии.

"Цель. заключается в выявлении биомаркеров, которые сигнализируют об основных изменениях в электрической активности мозга до возникновения судорог», — сказала Эрнан. Более раннее выявление может привести к более раннему лечению и меньшей неопределенности для семей.

Эта неопределенность, по словам Эрнан, имеет свои последствия. «Судороги следуют естественным циклам, но без возможности узнать, на каком этапе этого цикла вы находитесь, ожидание может вызывать невероятное беспокойство», — объяснила она.

Лучшее распознавание закономерностей может также улучшить решения о лечении. Например, если новое лекарство вводится во время естественного затишья в приступах активности, его преимущества могут быть переоценены.

Заглядывая в будущее, исследователи видят будущее, в котором носимые устройства ЭЭГ позволят осуществлять непрерывный мониторинг в реальном времени людей с высоким риском приступов. Подобные подходы в конечном итоге могут быть применены к другим неврологическим заболеваниям, включая аутизм и СДВГ.

"Это шаг к точной медицине", - сказал Брокмайер, - "типирование мозговых волн может помочь определить, какие вмешательства". будет лучше всего работать для конкретного пациента».

Для семей, ежедневно сталкивающихся с неопределенностью эпилепсии, такая точность может иметь огромное значение.