Ученые разработали модель машинного обучения, позволяющую за сотые доли секунды по результатам электроэнцефалограммы с точностью 99,9% выявлять болезнь Паркинсона. Важное преимущество нового алгоритма − в совместимости с портативными бытовыми устройствами. Поэтому программа может использоваться не только в больнице при диагностике, но и в домашних условиях.

Ученые Петрозаводского государственного университета совместно с коллегой из Кувейтского колледжа науки и технологий разработали алгоритм машинного обучения для диагностики и мониторинга болезни Паркинсона по данным электроэнцефалограммы (ЭЭГ), который может использоваться в портативных медицинских устройствах.


Авторы записали ЭЭГ 20 здоровых людей и 20 пациентов с болезнью Паркинсона. Для их анализа был разработан алгоритм, который обрабатывал данные в несколько этапов. Сначала он отсекал электрические сигналы, соответствующие низкочастотным и высокочастотным шумам, то есть не несущие никакой информации о работе головного мозга.

Оставшиеся информативные диапазоны частот программа использовала, чтобы математическими методами выявить признаки ЭЭГ, отличающие здоровых людей от больных. В результате модель машинного обучения позволила определить 11 показателей, опираясь на которые, можно с точностью 99,9% выявить болезнь Паркинсона. Эти признаки оказались связаны с медленными дельта- и тета-ритмами электрической активности мозга, в норме свойственными состоянию покоя или сна. У людей с болезнью Паркинсона эти ритмы более выражены, а потому могут использоваться при диагностике.

Результаты исследования, поддержанного грантом Российского научного фонда (РНФ), опубликованы в международном журнале Sensors.

Подробнее читайте в газете "Известия".