Научный сотрудник Сара Липпé (Sarah Lippé) из Департамента психологии Университета Монреаля (Université de Montréal) разработала метод, позволяющий за считанные минуты определить, соответствует ли развитие мозга младенца его хронологическому возрасту, опережает ли оно или отстаёт. Это открытие обещает стать прорывом в раннем выявлении и персонализированном мониторинге нарушений развития у детей.
Методы исследования
В исследовании приняли участие 272 младенца, 53 из которых имели макроцефалию — состояние, характеризующееся аномально большой головой и связанным с атипичным развитием мозга. Под руководством Сары Липпé научный сотрудник Саидех Давуди (Saeideh Davoudi) сравнила два метода анализа ЭЭГ младенцев: традиционное машинное обучение и новое глубокое обучение.
Для обучения традиционной модели машинного обучения Давуди извлекла ключевые характеристики из ЭЭГ, включая сложность сигнала и интенсивность активности мозговых волн в диапазонах дельта, тета и альфа. Для новой модели глубокого обучения она предоставила необработанные данные ЭЭГ, которые модель автоматически проанализировала на предмет закономерностей.
Результаты исследования
Результаты, опубликованные в мае 2025 года в журнале «NeuroImage», показали, что новая модель глубокого обучения продемонстрировала наилучшие результаты.
«Всего за несколько минут анализа сигнала ЭЭГ мы смогли оценить возраст младенца со средней ошибкой менее 30 дней», — сообщила Липпé.
Исследование подчёркивает, что мозговые волны являются ключевым маркером возраста мозга. Например, альфа-волны (6–9 герц), связанные с вниманием и расслаблением, становятся более выраженными по мере развития ребёнка, отражая интеграцию его когнитивных функций. Напротив, дельта-волны (0,5–2,5 герц), характерные для глубокого сна, преобладают у младенцев, но становятся менее частыми по мере созревания мозга.
Заключение
Этот неинвазивный инструмент не только оценивает возраст мозга, но и может выявлять аномалии в темпе нейроразвития. Например, исследование показало, что у младенцев с макроцефалией наблюдается задержка в созревании мозга по сравнению с детьми без этого состояния. Эти выводы открывают путь к новым клиническим приложениям, позволяя идентифицировать детей, подверженных риску нарушений развития, до появления поведенческих симптомов, и отслеживать эффективность терапевтических вмешательств.
Литература:
Saeideh Davoudi et al, Electroencephalography estimates brain age in infants with high precision: Leveraging advanced machine learning in healthcare, NeuroImage (2025). DOI: 10.1016/j.neuroimage.2025.121200