Авторы сняли электроэнцефалограмму у 298 детей в возрасте от 2 до 16 лет, половина (149) из которых была здорова, а другая имела диагноз «аутизм». По полученным записям нейросеть анализировала функциональные связи между различными отделами головного мозга. Сначала авторы «показали» алгоритму примерно 30% наборa обучающих данных: записи ЭЭГ и информацию о том, болен ли каждый испытуемый, у которого сняли электроэнцефалограмму. В результате программа смогла вывести зависимость между тем или иным набором функциональных связей в мозге и нормой или патологией. Наибольшие различия между здоровыми детьми и больными аутизмом наблюдались в функциональных связях в лобной доле головного мозга: при расстройствах аутистического спектра эти связи оказались более слабыми, чем в норме.
Эксперимент показал, что точность распознавания аутизма с помощью ИИ составляет 95%, при этом ложноположительных срабатываний практически не было, то есть алгоритм не причислял здоровых детей к больным. Последнее очень важно для создания систем поддержки принятия врачебных решений (СППВР).
Ученые отмечают, что сейчас достоверность подобных алгоритмов обычно не превышает 80%. В перспективе предложенный подход на основе машинного обучения поможет выявлять заболевания аутистического спектра на более ранних стадиях, чем это возможно сейчас. Среди плюсов такого метода — простота функциональной диагностики: регистрация ЭЭГ детей в спокойном состоянии. В дальнейшем группа ученых планирует развивать математические методы и подходы, связанные с медицинской диагностикой других заболеваний мозга.
Ранее американские ученые также предложили новый метод раннего выявления аутизма — они доказали эффективность измерения социального зрительного восприятия с помощью отслеживания движений глаз детей и связи этих данных с риском аутизма.
«Опираясь на полученные данные, мы предлагаем при диагностике расстройств аутистического спектра уделять больше внимания данным ЭЭГ, полученным из лобной доли. В перспективе предложенный нами подход на основе машинного обучения поможет выявлять заболевания аутистического спектра на более ранних стадиях, чем это возможно сейчас. При этом нужна будет только простая функциональная диагностика, такая как регистрация ЭЭГ детей в спокойном состоянии. В дальнейшем мы планируем развивать математические методы и подходы, связанные с медицинской диагностикой других заболеваний мозга. Также мы продолжим тестировать предложенные подходы при диагностике пациентов с коллегами-нейрофизиологами из Института высшей нервной деятельности и нейрофизиологии РАН», — подводит итог Александр Храмов.
Если вы хотите стать героем публикации и рассказать о своем исследовании, заполните форму на сайте РНФ