DC: манера рисования может выявить болезнь Паркинсона с точностью до 99%

Фото из открытых источников

Похоже, признаки болезни Паркинсона повсюду вокруг нас. Ученые обнаружили признаки возникновения заболевания в волосах, крови и даже ушной сере. Способ речи, психическое здоровье и даже место жительства – все это в различной степени связано с данным состоянием, которое влияет на движение и контроль мышц.

Однако, несмотря на потенциал этих сигналов, болезнь Паркинсона — считающаяся самым быстрорастущим неврологическим расстройством в мире с точки зрения инвалидности и смертности — по-прежнему в значительной степени опирается на клинические обследования для формальной диагностики. Отсутствие легкодоступных, достоверных биомаркеров также затрудняет раннюю диагностику.

Однако описанная в журнале Discover Computing концепция тестирования может указать на новый путь развития.

В ходе исследования группа ученых из Индии разработала систему на основе искусственного интеллекта, способную с поразительной точностью выявлять болезнь Паркинсона на основе результатов простого теста с рисованием.

Анализ почерка и рисунков рассматривается как перспективный неинвазивный инструмент скрининга будущих заболеваний, и ученые все чаще сочетают его с инструментами искусственного интеллекта, способными выявлять признаки нейродегенеративных заболеваний на основе едва заметных нюансов почерка.

В эксперименте, проведенном под руководством специалиста по информатике Ишана Аюса из Университета Сикша 'О' Анусандхан, исследователи использовали данные предыдущего исследования болезни Паркинсона в Бразилии с участием 66 человек.

В этом наборе данных, включающем 31 человека с болезнью Паркинсона и 35 здоровых участников контрольной группы, участники выполняли упражнения по рисованию с помощью биометрической «умной» ручки, которая фиксировала нарисованные ими изображения и одновременно записывала сигналы движений их руки.

В ходе экспериментов участники обводили два вида символов: спиралевидные фигуры и меандры (состоящие из угловатых непрерывных линий).

Затем Аюс и его коллеги загрузили изображения и данные с датчиков, записанные умной ручкой, в ряд различных систем глубокого обучения.

В каждой модели оценивались пространственные неровности в нарисованных спиральных и меандровых узорах, а также анализировались тонкие различия в моторике и координации движений рук, зафиксированные с помощью пера.

Затем данные были обработаны с помощью алгоритма SNAKE, который учитывал и взвешивал различные оценки моделей ИИ, прежде чем в конечном итоге определить, был ли каждый рисунок создан человеком с болезнью Паркинсона или здоровым контрольным субъектом.

По словам исследователей, их многомодальная система превосходит несколько других систем искусственного интеллекта, которые ранее использовались для выявления болезни Паркинсона по почерку и рисункам, правильно распознавая извилистые узоры с точностью 98,95% и спиральные узоры с точностью 97,74%.

Команда объясняет свои результаты возможностями алгоритма SNAKE, который уравновешивает прогнозы различных систем глубокого обучения с помощью модели, взвешенной по точности, а также двойными измерениями, предоставляемыми умными ручками.

«Рукописные изображения позволяют получить пространственные характеристики неровностей штрихов, искажений, вызванных тремором, и отклонений формы», — пишут исследователи. «В отличие от этого, сигналы рукописного ввода, полученные с помощью датчиков, фиксируют временные изменения двигательной активности, включая колебания скорости, неравномерность давления и нарушения координации».

Исследователи признают, что небольшой набор данных, использованный ими (всего 66 человек), неточно отражает клиническое разнообразие болезни Паркинсона в больших популяциях, и заявляют, что их выводы следует рассматривать как признак потенциала их методики, а не как неопровержимое доказательство ее диагностической эффективности.

Тем не менее, это устанавливает многообещающий новый порог для выявления болезни Паркинсона с использованием подобных методов, и, если это будет подтверждено в более масштабных клинических исследованиях, команда считает, что их метод может сыграть крайне необходимую роль в упрощении диагностики заболевания.

«В целом, исследование демонстрирует растущую роль ИИ в ранней и доступной диагностике неврологических расстройств, поддерживая продолжающийся переход к профилактической и персонализированной медицине», — пишут исследователи. «Предложенная концепция в конечном итоге может способствовать неинвазивному, недорогому и дистанционно доступному неврологическому скринингу и поддержке принятия клинических решений».