Специалисты Сеченовского университета разработали нейросеть, способную выявлять болезнь Паркинсона по данным электроэнцефалографии (ЭЭГ), передает РИА «Новости».
В пресс-службе вуза сообщили, что новая модель распознает частотные аномалии, типичные для этой патологии, и уже сейчас достигает точности 97%. В будущем на базе этой нейросети планируется создать цифровой сервис для ранней диагностики заболевания.
Авторы проекта отмечают, что нейросеть поможет врачам быстрее и точнее ставить предварительный диагноз, а также назначать дополнительные исследования для его подтверждения. Сейчас болезнь Паркинсона диагностируется по клиническим симптомам и методам нейровизуализации, но инновационная нейросеть позволяет выявлять заболевание еще до появления явных признаков.
Один из создателей модели Екатерина Вахромеева рассказала, что для обучения использовался открытый зарубежный датасет с обезличенными ЭЭГ пациентов с болезнью Паркинсона и здоровых людей. Данные вручную размечал невролог, после чего датасет разделили на обучающую и тестовую выборки. Испытания показали, что нейросеть способна уверенно дифференцировать электроэнцефалограммы больных и здоровых пациентов.
Научный руководитель проекта Денис Андриков добавил, что команда собирается дополнительно обучить модель на большем объеме ЭЭГ с разными стадиями болезни Паркинсона и протестировать ее совместно с экспертами-неврологами. Это должно повысить надежность и практическую ценность цифрового сервиса.
Болезнь Паркинсона – частое нейродегенеративное заболевание, которым страдают 16-20 человек из 100 тыс. населения. Новая технология Сеченовского университета направлена на значительное улучшение ранней диагностики и качества жизни пациентов.
Как писала газета ВЗГЛЯД, Россия и Куба начали совместные исследования лекарств от болезни Паркинсона.
Ранее российские ученые смогли замедлить нейродегенеративные процессы.
Между тем в клинике пластической хирургии Сеченовского университета начали использовать тулиевый лазер, что сокращает риск травматизма и ускоряет восстановление пациентов после операций.