Создан новый метод диагностики эпилепсии с помощью ИИ

МОСКВА, 10 апреля. /ТАСС/. Специалисты Российского экономического университета им. Г. В. Плеханова и Национального медико-хирургического центра им. Н. И. Пирогова разработали новый способ диагностики неврологических расстройств с помощью искусственного интеллекта. Об этом сообщили в пресс-службе Минобрнауки РФ.

"Ученые РЭУ им. Г. В. Плеханова и НМХЦ им. Н. И. Пирогова разработали новый метод "объяснимого" искусственного интеллекта для анализа электроэнцефалограмм (ЭЭГ). Предложенная технология не только автоматически выявляет эпилептические приступы с высокой точностью, но и прозрачно объясняет свои решения, указывая, какие именно участки мозга и частотные диапазоны стали решающими для постановки диагноза", - отметили в пресс-службе.

Современные "сверточные" нейронные сети, по оценке врачей, нередко демонстрируют внушительные результаты в обнаружении судорожной активности на ЭЭГ. Однако долгое время природа "черного ящика" являлась главным препятствием для внедрения в клиническую практику, поскольку врачи не могут доверять диагнозу, если не понимают логику его постановки. Подход, разработанный исследователями, призван решить эту проблему. Впервые интерпретируемость ИИ адаптирована под специфику электроэнцефалографии: метод комбинирует анализ частотных диапазонов и пространственное картирование мозга.

"Врачам важно не просто получить вероятность приступа, но и увидеть, почему модель приняла такое решение. Наш фреймворк позволяет визуализировать эти признаки в виде тепловых карт, где отмечены конкретные зоны коры головного мозга и спектральные паттерны. Это переводит работу ИИ с языка математики на язык нейрофизиологии", - рассказал ведущий научный сотрудник НИИ прикладного искусственного интеллекта и цифровых решений РЭУ им. Г. В. Плеханова Вадим Грубов.

Метод был протестирован на трех разных нейросетевых архитектурах, включая гибридную модель, которая показала наилучший результат. Анализ значимых признаков подтвердил соответствие известным нейрофизиологическим механизмам эпилепсии, а также помог выявить новые перспективные биомаркеры, в том числе роль высокочастотного гамма-диапазона, связанного с моторной активностью.

Клинические данные и валидация были предоставлены медиками, что повысило достоверность выводов и их применимость на практике. В перспективе разработанный подход может быть масштабирован для анализа других нейродегенеративных и неврологических расстройств. Исследование выполнено при поддержке гранта Российского научного фонда, результаты опубликованы в журнале International Journal of Neural Systems.