Новая система ИИ может дать больше надежды людям с эпилепсией

Как сообщает Endgadget, два исследователя ИИ могут создать систему, которая дает новую надежду людям, страдающим от эпилепсии – систему, которая может предсказать эпилептические приступы с точностью 99,6%, и сделать это за час до начала приступов.

Это не будет первым новым достижением, поскольку ранее исследователи в Техническом университете (TU) в Эйндховене, Нидерланды, разработали умную манжету на руку, которая может предсказать эпилептические приступы во время ночи. Но точность и короткий временной интервал, в течение которого новая система ИИ может работать, как отмечает IEEE Spectrum, дает больше надежды примерно 50 миллионам людей во всем мире, которые страдают от эпилепсии (на основе данных Всемирной организации здравоохранения). Из этого числа пациентов 70% могут контролировать свои приступы с помощью лекарств, если их принимать вовремя.

Новая система ИИ была создана Хишамом Даудом и Магди Баюми из Университета Луизианы в Лафейетте, и считается “большим шагом вперед от существующих методов предсказания”. Как объясняет Хишам Дауд, один из двух исследователей, разработавших систему, “Из-за непредсказуемых времен приступов эпилепсия имеет сильное психологическое и социальное воздействие на пациентов.”

Как объясняется, “каждый человек проявляет уникальные закономерности мозга, что делает трудным точно предсказать приступы.” До сих пор существующие модели предсказывали приступы в двухэтапном процессе, когда закономерности мозга необходимо было извлекать вручную, а затем применять систему классификации, что, как объясняет Дауд, добавляло время, необходимое для предсказания приступа.

В их подходе, описанном в исследовании, опубликованном 24 июля в IEEE Transactions on Biomedical Circuits and Systems, “процессы извлечения и классификации объединены в одну автоматизированную систему, которая позволяет делать более ранние и точные предсказания приступов.”

Чтобы еще больше повысить точность своей системы Дауд и Баюми включили другой подход к классификации, при котором алгоритм глубокого обучения извлекает и анализирует пространственно-временные закономерности активности мозга пациента из разных мест электродов, повышая точность их модели. Поскольку “записи ЭЭГ могут включать несколько ‘каналов’ электрической активности”, чтобы еще больше ускорить процесс предсказания, два исследователя применили дополнительный алгоритм для определения наиболее подходящих предсказательных каналов электрической активности.

Полная система была затем протестирована на 22 пациентах в Бостонской детской больнице. Хотя размер выборки был небольшим, система оказалась очень точной (99,6%), и имела “низкую тенденцию к ложным положительным результатам, 0,004 ложных сигналов в час”.

Как объяснил Дауд, следующим шагом будет разработка специализированной компьютерной микросхемы для обработки алгоритмов. “Мы сейчас работаем над проектированием эффективного аппаратного обеспечения, которое развертывает этот алгоритм, учитывая многие вопросы, такие как размер системы, потребление энергии и задержку, чтобы сделать его пригодным для практического применения в комфортном виде для пациента.”