Naukowcy z Mayo Clinic wykorzystują sztuczną inteligencję i uczenie maszynowe, aby ulepszyć analizę testów elektroencefalogramu, ułatwiając wczesne wykrywanie demencji.
Naukowcy z Mayo Clinic wykorzystują sztuczną inteligencję do ulepszenia analizy testów EEG, pomagając we wczesnym wykrywaniu demencji.
Analizując dokładniej wzorce fal mózgowych, sztuczna inteligencja ujawnia subtelne oznaki pogorszenia funkcji poznawczych, które eksperci mogą przeoczyć. Odkrycie to, oparte na danych pochodzących od ponad 11 000 pacjentów, pokazuje, że EEG ma potencjał, aby stać się bardziej dostępnym narzędziem diagnostycznym w przypadku problemów poznawczych, zwłaszcza na obszarach o niedostatecznym zasięgu.
Udoskonalanie analizy EEG dzięki sztucznej inteligencji i uczeniu maszynowemu
Używają tego naukowcy z Mayo Clinic sztuczna inteligencja (AI) i nauczanie maszynowe do szybszej i dokładniejszej analizy badań elektroencefalogramu (EEG), umożliwiając neurologom wykrycie wczesnych objawów demencji wśród danych, które zwykle pozostają niezbadane.
Do wykrywania padaczki często wykorzystuje się stuletnie badanie EEG, podczas którego do skóry głowy przykleja się kilkanaście elektrod monitorujących aktywność mózgu. Jego wyniki są interpretowane przez neurologów i innych ekspertów przeszkolonych w dostrzeganiu wzorców wśród falistych fal testu.
Ulepszanie wczesnego wykrywania demencji za pomocą sztucznej inteligencji
W nowych badaniach opublikowanych dzisiaj (31 lipca) w czasopiśmie Komunikacja mózgowanaukowcy z programu Mayo Clinic Neurology AI Program (NAIP) pokazują, jak sztuczna inteligencja może nie tylko przyspieszyć analizę, ale także ostrzec ekspertów przeglądających wyniki testów o nieprawidłowych wzorcach zbyt subtelnych, aby człowiek mógł je wykryć. Technologia pokazuje, że pewnego dnia może pomóc lekarzom w rozróżnianiu przyczyn problemów poznawczych, takich jak Alzheimera choroby i otępienie z ciałami Lewy’ego. Badania sugerują, że badania EEG, które są szerzej dostępne, tańsze i mniej inwazyjne niż inne badania oceniające stan mózgu, mogą być bardziej dostępnym narzędziem pomagającym lekarzom wcześnie wykryć problemy poznawcze u pacjentów.
„W tych falach mózgowych znajduje się wiele informacji medycznych na temat stanu mózgu w zapisie EEG” – mówi starszy autor David T. Jones, lekarz medycyny, neurolog i dyrektor NAIP. „Powszechnie wiadomo, że u osób z problemami poznawczymi fale te zwalniają i wyglądają nieco inaczej. W naszym badaniu chcieliśmy wiedzieć, czy za pomocą sztucznej inteligencji możemy dokładnie zmierzyć i określić ilościowo tego typu spowolnienie”.
Opracowywanie narzędzia AI z obszernymi danymi
Aby opracować to narzędzie, badacze zgromadzili dane od ponad 11 000 pacjentów, którym w ciągu dziesięciu lat wykonano badanie EEG w Mayo Clinic. Wykorzystali uczenie maszynowe i sztuczną inteligencję, aby uprościć złożone wzorce fal mózgowych do sześciu konkretnych cech, ucząc model automatycznego odrzucania pewnych elementów, takich jak dane, które należy zignorować, w celu skupienia się na wzorcach charakterystycznych dla problemów poznawczych, takich jak choroba Alzheimera.
„To niezwykłe, jak technologia pomogła szybko wyodrębnić wzorce EEG w porównaniu z tradycyjnymi metodami pomiaru demencji, takimi jak przyłóżkowe testy poznawcze, biomarkery płynów i obrazowanie mózgu” – mówi Wentao Li, lekarz medycyny, współpierwszy autor artykułu, który przeprowadził badania z NAIP, będąc jednocześnie stypendystą klinicznej neurologii behawioralnej Mayo Clinic.
„Obecnie jednym z powszechnych sposobów ilościowego określania wzorców w danych medycznych jest opinia ekspertów. A skąd wiemy, że wzorce są obecne? Ponieważ ten ekspert mówi, że są obecni” – mówi dr Jones. „Ale teraz dzięki sztucznej inteligencji i uczeniu maszynowemu nie tylko widzimy rzeczy, których ekspert nie może zobaczyć, ale to, co on widzi, możemy określić dokładną liczbą”.
Na ekranie komputera wyświetlane są wyniki elektroencefalogramu, czyli badania EEG. Źródło: Klinika Mayo
EEG jako dostępne narzędzie do wczesnej diagnostyki
Wykorzystanie EEG do wykrycia problemów poznawczych niekoniecznie zastąpi inne rodzaje badań, takie jak rezonans magnetyczny lub skany PET. Jednak według dr Jonesa, dzięki mocy sztucznej inteligencji, EEG może pewnego dnia zapewnić pracownikom służby zdrowia bardziej ekonomiczne i dostępne narzędzie do wczesnej diagnozy w społecznościach, które nie mają łatwego dostępu do specjalistycznych klinik ani specjalistycznego sprzętu, np. na obszarach wiejskich.
„Naprawdę ważne jest wczesne wykrycie problemów z pamięcią, zanim jeszcze staną się oczywiste” – mówi dr Jones. „Postawienie właściwej diagnozy na wczesnym etapie pomaga nam zapewnić pacjentom właściwe perspektywy i najlepsze leczenie. Metody, nad którymi się zastanawiamy, mogą być tańszym sposobem identyfikacji osób z wczesną utratą pamięci lub demencją w porównaniu z obecnie dostępnymi testami, takimi jak badanie płynu mózgowo-rdzeniowego, badanie poziomu glukozy w mózgu czy testy pamięci”.
Przyszłe badania i walidacja
Według dr Jonesa dalsze testowanie i walidacja narzędzi zajmie kilka lat dodatkowych badań. Twierdzi jednak, że badanie pokazuje, że istnieją sposoby wykorzystania danych klinicznych do włączenia nowych narzędzi do przebiegu pracy klinicznej, aby osiągnąć cel badaczy, jakim jest wprowadzenie nowych modeli i innowacji do praktyki klinicznej, zwiększenie możliwości istniejących ocen i skalowanie tej wiedzy na zewnątrz. z Mayo Clinic.
„Ta praca stanowi przykład wielodyscyplinarnej pracy zespołowej mającej na celu postęp w badaniach nad opieką zdrowotną opartych na technologiach translacyjnych” – mówi dr Yoga Varatharajah, współautorka artykułu, która po ukończeniu prac była współpracownikiem badawczym NAIP.
Referencja: 31 lipca 2024 r., Komunikacja mózgowa.
Finansowanie badań obejmuje wsparcie z Edson Family Fund, Epilepsy Foundation of America, Benjamin A. Miller Family Fellowship in Aging and Associated Diseases, Mayo Clinic Neurology Artificial Intelligence Program, National Science Foundation (nagroda nr IIS-2105233 ) i Narodowy Instytut Zdrowiaw tym grant UG3 NS123066.
