Ученые из БФУ им. Иммануила Канта, РНИМУ им. Н.И. Пирогова и ООО «Иммерсмед» скомбинировали два подхода к анализу сигналов активности мозга (не требующий обучения классификатор и обучаемую нейронную сеть) и создали алгоритм, который выявляет эпилепсию на записях ЭЭГ в разы лучше других автоматизированных методов. Разработка описана в статье, опубликованной в журнале IEEE Access.
Единственным клиническим методом диагностики эпилепсии служит обнаружение ее электроэнцефалографических биомаркеров — особых паттернов на ЭЭГ. Их важно выявлять, т.к. не все типы эпилепсии сопровождаются судорожными припадками, и поставить диагноз только по внешним симптомам не всегда возможно. Но это очень трудоемкий процесс: набор данных для одного пациента может составлять до нескольких суток записи, а врачу необходимо отличать сигналы, характерные для эпилепсии, от других видов мозговой активности.
Авторы новой работы решили создать автоматизированный метод для выявления на записях ЭЭГ мозговой активности, соответствующей эпилептическим припадкам. За основу они взяли два подхода к выявлению приступов и объединили их в двухэтапную систему. В рамках первого этапа простой алгоритм — классификатор, не требующий обучения, выявлял на записях ЭЭГ «выбросы» (сигналы, интенсивность которых выходит за рамки нормальной активности мозга). Выбросами могут быть и приступы эпилепсии, и внешние шумы, поэтому на втором этапе нейронная сеть (более сложный алгоритм на основе машинного обучения) подробно анализировала «подозрительные» записи ЭЭГ и давала итоговое заключение о наличии эпилепсии.
Ученые использовали нейросеть сверточного типа, рассматривающая записи ЭЭГ не как набор сигналов, а как целостное изображение, на котором нужно найти требуемые сигналы — по сути это имитация работы врача. Они протестировали двухэтапную систему и оба ее элемента по отдельности. Для этого были использованы записи ЭЭГ, снятые у 83 пациентов с эпилепсией во время припадков и в спокойном состоянии.
Оказалось, что чувствительность (способность обнаруживать аномальные сигналы на ЭЭГ) классификатора и нейросети по отдельности достигает 90% и 96% соответственно, но точность составляет всего 12% и 13%. Это значит, что алгоритмы путают эпилепсию с другими типами аномальной активности мозга. Двухэтапный подход показал чувствительность 84%, но гораздо более высокую точность (57%) за счет уменьшения количества ложноположительных результатов, поэтому он гораздо лучше пригоден для потенциального применения в клинической практике.
Авторы отмечают, что полученный результат дает надежду на создание автоматической системы разметки эпилептической ЭЭГ, что позволит существенно снизить рутинную нагрузку по разметке многочасовых записей на врачей-эпилептологов.