Южнокорейские ученые разработали ИИ для анализа сигналов мозга при болезни Паркинсона

Исследователи из Южной Кореи разработали модель искусственного интеллекта NONOS, которая разделяет ритмические и фоновые компоненты сигналов мозга, не теряя быстрых изменений. Технология может помочь точнее настраивать глубокую стимуляцию мозга — метод лечения, при котором электрические импульсы подают в определенные области мозга.

В работе участвовали специалисты Университета науки и технологий Тэгу Кёнбук (DGIST), Национального университета технологий Кумох, Корейского университета и Корейского института исследований мозга. Результаты опубликованы в журнале NeuroImage.

В сигналах мозга одновременно присутствуют регулярные колебания и фоновая активность. При болезни Паркинсона усиливаются бета-ритмы — колебания, связанные с замедленностью движений. Их уровень используют для оценки состояния пациента и эффективности лечения.

Обычные фильтры могут принять изменения фоновой активности за изменение ритмов. Другие методы отделяют фон, анализируя данные в фиксированных временных интервалах, и из-за этого могут пропустить короткие изменения. NONOS обучена выделять фоновые компоненты, мощность которых закономерно снижается с ростом частоты. После их удаления из исходного сигнала остаются ритмические компоненты, которые можно анализировать с высокой временной точностью.

При анализе сигналов пациентов с болезнью Паркинсона модель предсказывала, какой ногой человек сделает шаг, с показателем 0,98. У традиционных методов этот показатель составлял 0,54–0,79. В опытах на мышах с моделью болезни Паркинсона NONOS также выявила быстрое снижение силы бета-волн после глубокой стимуляции мозга — изменение, которое другие методы не смогли обнаружить так же чувствительно.

«Значение этой работы в том, что мы показали: ритмы и фоновую активность в сигналах мозга можно разделять, не теряя временной точности», — сказал руководитель исследования, профессор DGIST Чхве Чи Ун.

По словам Чхве, если снизить вычислительные требования модели и адаптировать ее для работы в реальном времени на имплантируемых устройствах, она сможет повысить точность персонализированной глубокой стимуляции, параметры которой подбирают с учетом состояния пациента. Профессор Национального университета технологий Кумох Ким Хан Джун отметил, что метод также может применяться для анализа других биологических сигналов, быстро меняющихся во времени.

Первым автором исследования стал Ким Джин Мо, аспирант объединенной магистерской и докторской программы DGIST. Работа получила поддержку Национального исследовательского фонда Кореи и Министерства образования.