Молодые учёные Центра цифровой медицины Первого МГМУ имени И.М. Сеченова разработали модель искусственного интеллекта, которая анализирует данные электроэнцефалографии (ЭЭГ) и с точностью до 97% определяет характерные для болезни Паркинсона частотные аномалии.
В перспективе на её основе планируется создание цифрового сервиса для ранней диагностики заболевания. Такой инструмент позволит врачам быстрее ставить предварительный диагноз и назначать дополнительные исследования для подтверждения.
По словам авторов проекта, в частности Екатерины Вахромеевой, выпускницы магистратуры «Информационные системы и технологии» Сеченовского университета, нейросеть обучалась на открытом зарубежном датасете обезличенных ЭЭГ-записей пациентов с болезнью Паркинсона и здоровых людей. Данные были вручную размечены неврологами. Проверка на тестовой выборке показала, что алгоритм способен надёжно дифференцировать записи больных и здоровых участников, что открывает возможность внедрения метода в клиническую практику.
Научный руководитель проекта Денис Андриков отметил, что использование ИИ для анализа ЭЭГ может существенно расширить поиск предикторов заболевания и стать дополнительным инструментом для врача при постановке диагноза. В ближайших планах исследователей — собрать крупный датасет ЭЭГ пациентов с разными стадиями Паркинсона и протестировать модель в коллаборации с практикующими неврологами.
Директор Центра цифровой медицины Сеченовского университета Георгий Лебедев подчеркнул, что проект является примером успешного применения технологий искусственного интеллекта в неврологии и уже готов к апробации в университетской клинике.
Болезнь Паркинсона — одно из самых распространённых нейродегенеративных заболеваний, поражающее в среднем 16–20 человек на 100 тысяч населения. По данным ВОЗ, число пациентов выросло с 6,1 млн в 2016 году до 8,5 млн в 2019-м, а к 2050 году прогнозируется рост до 25,2 млн человек по всему миру. Сегодня диагноз устанавливается в основном по клиническим проявлениям — снижению двигательной активности, тремору и скованности мышц. Методы нейровизуализации применяются для подтверждения, однако выявить болезнь на доклинической стадии пока крайне сложно.
Если подход учёных Сеченовского университета будет подтверждён в клинических условиях, это может стать серьёзным шагом к созданию доступных цифровых сервисов для ранней диагностики нейродегенеративных заболеваний и повысить качество жизни миллионов пациентов.