12:00 
Деменция — это группа расстройств, которые постепенно нарушают память, мышление и повседневное функционирование. Болезнь Альцгеймера (БА), наиболее распространенная форма деменции, в 2025 году затронет около 7,2 миллиона американцев в возрасте 65 лет и старше. Лобно-височная деменция (ЛВД), хотя и более редкая, является второй наиболее распространенной причиной деменции с ранним началом, часто поражающей людей в возрасте от 40 до 60 лет.
Хотя оба заболевания повреждают мозг, они делают это по-разному. AD в первую очередь влияет на память и пространственное восприятие, тогда как FTD нацелен на области, ответственные за поведение, личность и язык. Поскольку их симптомы могут перекрываться, это часто приводит к ошибочному диагнозу. Различение между ними — это не только научная задача, но и клиническая необходимость, поскольку точный диагноз может существенно повлиять на лечение, уход и качество жизни.
МРТ и ПЭТ эффективны для диагностики БА, но они дорогостоящие, отнимают много времени и требуют специального оборудования. Электроэнцефалография (ЭЭГ) предлагает портативную, неинвазивную и доступную альтернативу, измеряющую активность мозга с помощью датчиков в различных диапазонах частот. Однако сигналы часто бывают зашумленными и различаются у разных людей, что затрудняет анализ. Даже при применении машинного обучения к данным ЭЭГ результаты противоречивы, и отличить БА от ЛВД по-прежнему сложно.
Чтобы решить эту проблему, исследователи из Колледжа инженерии и компьютерных наук Атлантического университета Флориды создали модель глубокого обучения, которая обнаруживает и оценивает БА и ЛВД. Оно повышает точность и интерпретируемость ЭЭГ, анализируя как частотные, так и временные закономерности активности мозга, связанные с каждым заболеванием.
Результаты исследования, опубликованные в журнале Biomedical Signal Processing and Control, показали, что медленные дельта-волны мозга являются важным биомаркером как AD, так и FTD, главным образом в лобных и центральных областях мозга. При болезни Альцгеймера деятельность мозга нарушается более широко, что также затрагивает другие области мозга и диапазоны частот, такие как бета-частоты, что указывает на более обширное повреждение головного мозга. Эти различия помогают объяснить, почему болезнь Альцгеймера обычно легче обнаружить, чем ЛВД.
Модель достигла точности более 90 % в различении людей с деменцией (БА или ЛВД) от когнитивно нормальных участников. Он также предсказывал тяжесть заболевания с относительными ошибками менее 35% для AD и 15,5% для FTD.
Поскольку AD и FTD имеют схожие симптомы и активность мозга, отличить их друг от друга было сложно. Используя выбор признаков, исследователи повысили специфичность модели (насколько хорошо она идентифицирует людей без заболевания) с 26% до 65%. Их двухэтапный дизайн — сначала выявление здоровых людей, а затем отделение AD от FTD — достиг точности 84%, что на сегодняшний день входит в число лучших методов на основе ЭЭГ.
Модель объединяет сверточные нейронные сети и LSTM, основанные на внимании, для определения типа и тяжести деменции на основе данных ЭЭГ. Grad-CAM показывает, какие сигналы мозга повлияли на модель, помогая врачам понять ее решения. Этот подход предлагает новый взгляд на то, как развивается мозговая активность и какие области и частоты определяют диагноз – то, что традиционные инструменты редко улавливают.
Что делает наше исследование новым, так это то, как мы использовали глубокое обучение для извлечения как пространственной, так и временной информации из сигналов ЭЭГ. Сделав это, мы можем обнаружить тонкие паттерны мозговых волн, связанные с болезнью Альцгеймера и лобно-височной деменцией, которые в противном случае остались бы незамеченными. Наша модель не просто идентифицирует заболевание – она также оценивает его серьезность, предлагая более полную картину состояния каждого пациента».
Туан Во, первый автор и аспирант кафедры электротехники и компьютерных наук ФАУ
Результаты также показали, что болезнь Альцгеймера имеет тенденцию быть более тяжелой, поражая более широкий диапазон областей мозга и приводя к снижению когнитивных показателей, в то время как эффекты ЛВД более локализованы в лобных и височных долях. Результаты согласуются с предыдущими исследованиями нейровизуализации, но добавляют новую глубину, показывая, как эти паттерны проявляются в данных ЭЭГ - недорогого и неинвазивного диагностического инструмента.
"Наши результаты показывают, что болезнь Альцгеймера нарушает активность мозга в более широком смысле, особенно в лобной, теменной и височной областях, в то время как лобно-височная деменция в основном поражает лобные и центральные области", - сказал Ханьци Чжуан, доктор философии, соавтор и заместитель декана и профессор, Факультет электротехники и информатики ФАУ «Эта разница объясняет, почему болезнь Альцгеймера часто легче обнаружить. Однако наша работа также показывает, что тщательный выбор функций может значительно улучшить то, насколько хорошо мы отличаем ЛВД от болезни Альцгеймера».
В целом исследование показывает, что глубокое обучение может упростить диагностику деменции за счет объединения выявления и оценки степени тяжести в одной системе, сокращения длительных оценок и предоставления клиницистам инструментов в режиме реального времени для отслеживания прогрессирования заболевания.
Эта работа демонстрирует, как объединение инженерии, искусственного интеллекта и нейробиологии может изменить то, как мы противостоим основным проблемам здравоохранения.
