Предложен метод выявления шизофрении по скрытым сигналам мозговых волн

Фото из открытых источников

Научным коллективом Института проблем машиноведения РАН в тандеме с коллегами из Института мозга человека РАН и швейцарского фонда Brain and Trauma Foundation разработан метод выявления шизофрении на основе скрытых компонентов электрических сигналов мозга. Новый подход базируется на математическом разделе мозговых волн на отдельные источники, что позволило модели машинного обучения осуществить классификацию данных пациентов с чувствительностью 96,7% и специфичностью 97,7%, рассказали ТАСС в пресс-службе ИПМаш РАН.

Авторы работы поясняют, что повысить точность диагностики им удалось при выделении латентных источников сигнала на основе уникального метода разделения сигналов, так называемого "слепого разделения источников". Методика даёт возможность математически восстанавливать исходные сигналы от разных нейронных сетей мозга, даже при сильном их перекрытии во времени.

Шизофрения является тяжелым психическим заболеванием, от него страдает около 1% населения, и половина пациентов сталкивается с пожизненной инвалидизацией. Главная проблема - поздняя и неточная диагностика, в основном с опорой на клинические интервью и опросники, а они допускают неоднозначную трактовку.

В данной области уже несколько десятилетий идут исследования электрической активности мозга при помощи электроэнцефалографии (ЭЭГ) и методики вызванных потенциалов (ВП). Специалисты раньше пробовали использование параметров компонентов ВП для классификации данных, а также применение методов машинного обучения, что позволяло достигать точности до 90%.

Эксперты уточняют: сигнал ЭЭГ, что записан с поверхности скальпа, это микст активностей многих глубинных источников мозга, что мешает выявлению важных для диагностики феноменов. Ранее группа ученых ИПМаш РАН уже применила метод опорных векторов к традиционным ВП и получила чувствительность в 91%.

В новой работе специалисты вуза собрали данные на основе зрительного теста, что оценивает способность к ментальному контролю, торможению импульсивных действий и концентрации внимания. Эти функции чаще всего нарушаются при шизофрении. К исследованию привлекли 68 пациентов и 132 здоровых добровольца. Ученые начали с преобразования данных каждого испытуемого в 11 компонент. Потом было проведено сравнение сигналов данных компонент между группами и определены временные интервалы, где отличия оказались самыми значимыми.

Из этих участков эксперты извлекали множество признаков, дополнив их поведенческими данными, а затем при помощи последовательного отбора оставили наиболее информативные. В итоге модель, что была обучена на синтезе признаков из латентных компонент и поведенческих данных, продемонстрировала чувствительность 96,7% и специфичность 97,7%. То есть, системой были верно идентифицированы практически все больные и показано минимальное число ложноположительных классификаций среди здоровых испытуемых.