Nowy system AI daje nadzieję osobom z padaczką

Jak donosi Endgadget, dwóch badaczy AI może stworzyć system, który daje nową nadzieję osobom cierpiącym na padaczkę – system „który może przewidzieć napady padaczkowe z dokładnością 99,6 procent”, i to do godziny przed wystąpieniem napadów.

Nie byłby to pierwszy nowy przełom, ponieważ wcześniej badacze z Uniwersytetu Technicznego (TU) w Eindhoven, w Holandii, opracowali inteligentny opaskę na rękę, która może przewidzieć napady padaczkowe w czasie snu. Ale dokładność i krótki czas, w jakim nowy system AI może działać, jak zauważa IEEE Spectrum, daje więcej nadziei około 50 milionom ludzi na świecie, którzy cierpią na padaczkę (na podstawie danych ze Światowej Organizacji Zdrowia). Z tej liczby pacjentów, 70 procent z nich może kontrolować swoje napady, jeśli przyjmują leki na czas.

Nowy system AI został stworzony przez Hishama Daouda i Magdy Bayoumi z Uniwersytetu Luizjany w Lafayette, i jest określany jako „duży krok naprzód w stosunku do istniejących metod przewidywania”. Jak wyjaśnia Hisham Daoud, jeden z dwóch badaczy, którzy opracowali system, „Ze względu na nieoczekiwane czasy napadów, padaczka ma silny wpływ psychologiczny i społeczny na pacjentów.”

Jak wyjaśniono, „każda osoba wykazuje unikalne wzorce mózgu, co utrudnia dokładne przewidywanie napadów.” Do tej pory istniejące modele przewidywały napady „w dwuetapowym procesie, w którym wzorce mózgu muszą być ręcznie wyodrębnione, a następnie stosowany jest system klasyfikacji”, co, jak wyjaśnia Daoud, dodawało do czasu potrzebnego do przewidywania napadu.

W swoim podejściu opisanym w badaniu opublikowanym 24 lipca w IEEE Transactions on Biomedical Circuits and Systems, „procesy wyodrębniania cech i klasyfikacji są połączone w jeden zautomatyzowany system, który umożliwia wcześniejsze i bardziej dokładne przewidywanie napadów.”

Aby dalej zwiększyć dokładność swojego systemu, Daoud i Bayoumi „zastosowali dodatkowe podejście do klasyfikacji, w którym algorytm głębokiego uczenia wyodrębnia i analizuje przestrzenno-czasowe cechy aktywności mózgu pacjenta z różnych lokalizacji elektrod, zwiększając dokładność ich modelu.” Ponieważ „odczyty EEG mogą obejmować wiele „kanałów” aktywności elektrycznej”, aby przyspieszyć proces przewidywania, dwóch badaczy „zastosowało dodatkowy algorytm, aby zidentyfikować najbardziej odpowiednie kanały aktywności elektrycznej.”

Cały system został przetestowany na 22 pacjentach w Boston Children’s Hospital. Chociaż rozmiar próby był mały, system okazał się bardzo dokładny (99,6%), i miał „niską tendencję do fałszywych alarmów, 0,004 fałszywych alarmów na godzinę.”

Jak wyjaśnił Daoud, następnym krokiem będzie rozwój niestandardowego układu scalonego do przetwarzania algorytmów. „Pracujemy obecnie nad projektem wydajnego urządzenia, które wdraża ten algorytm, biorąc pod uwagę wiele kwestii, takich jak rozmiar systemu, zużycie energii i opóźnienie, aby był odpowiedni do praktycznego zastosowania w wygodny sposób dla pacjenta.”