Нейробиологи усовершенствовали прогнозирование приступов эпилепсии с помощью машинного обучения

26 июля 2022

Нейробиологи усовершенствовали прогнозирование приступов эпилепсии с помощью машинного обучения

26 июля 2022

Алгоритм машинного обучения сократил количество ложных предсказаний в 4 раза. Над способом работали профессор Лаборатории нейронауки и когнитивных технологий Центра компетенций НТИ по направлению «Технологии компонентов и робототехники» на базе Университета Иннополис Владимир Максименко и учёные из Вестфальского университета им. Вильгельма и Университета Неймегена. Описание нового метода опубликовал журнал eNeuro.

По словам учёных, предсказание эпилептических приступов остаётся одной из главных нерешённых задач в эпилептологии. Долгое время усилия исследователей были направлены на прогнозирование фокальных приступов, которые возникают в определённом участке головного мозга. Тогда как генерализованные приступы с синхронной активностью нейронов в разных областях мозга считались спонтанными и непрогнозируемыми. 

В своём предыдущем исследовании на эту тему нейробиологи уже доказали, что предсказание генерализованных приступов возможно за несколько секунд до их начала. Приступ формируется при одновременной нейронной активности в коре головного мозга и таламических ядрах и длится несколько секунд. За это время можно успеть электрическим импульсом разрушить патологическую активность и предотвратить эпилептический приступ. 

Ранее предложенный учёными способ предсказаний приступов эпилепсии страдал от большого количества ложных срабатываний и был небезопасен для пациента, так как при каждом предсказании мозг подвергался электрической стимуляции. Усовершенствованный метод сократил количество ложных предсказаний в 4 раза с помощью машинного обучения.

Владимир Максименко, профессор Лаборатории нейронауки и когнитивных технологий Университета Иннополис: «В новом исследовании мы объединили предыдущий подход с классификатором на основе случайного леса — распространённого алгоритма машинного обучения. Уникальность нашего метода в том, как мы сформировали обучающую выборку для нейросети. На вход классификатора мы подали характеристики нейронной активности, соответствующих корректным и ложным предсказаниям нашего предыдущего алгоритма. В результате новый классификатор учился исправлять ошибки предыдущего алгоритма и становился более эффективным. Нейросеть обучалась на данных, полученных во время испытаний на крысах специально выведенной линии WAG/Rij. Считается, что базовые механизмы, отвечающие за возникновение эпилептического приступа у этих крыс, схожи с теми, что вызывают приступ у человека. Также у крыс приступы возникают чаще, чем у человека — несколько раз в час, поэтому легко набрать хорошую статистику для обучения алгоритмов». 

В ходе исследования нейробиологи выяснили, что на сокращение ложных прогнозов приступов эпилепсии влияет и выбор оптимальных таламо-кортикальных сигналов.

Владимир Максименко, профессор Лаборатории нейронауки и когнитивных технологий Университета Иннополис: «Таламус и кора — это структуры головного мозга, активность которых усиливается при приближении приступа эпилепсии. Анализ нейросигналов в таламусе и коре позволяет понять, как их взаимодействие меняется во времени, и обнаруживать усиление взаимодействия перед приступом. При этом в коре и в таламусе есть различные отделы, некоторые из них в большей мере задействованы в генерации приступа. Поэтому важным этапом в нашем исследовании было определить нужные области в коре и таламусе. Чтобы это сделать, мы имплантировали крысам электроды в эти области. Оказалось, что оптимальной является комбинация из трех электродов, два из которых расположены в коре мозга на разной глубине и один — в таламическом ядре. Это открытие позволило улучшить точность прогноза на 10% и снизить число ложных детектирований в 2 раза».

Журнал eNeuro опубликовал научную статью «Предсказание приступов абсансной эпилепсии на генетических моделях крыс: улучшение точности за счёт применения машинного обучения и выбора оптимальных таламо-кортикальных сигналов» (Seizure Prediction in Genetic Rat Models of Absence Epilepsy: Improved Performance through Multiple-Site Cortico-Thalamic Recordings Combined with Machine Learning) с подробным описанием метода.

Владимир Максименко, профессор Лаборатории нейронауки и когнитивных технологий Университета Иннополис: «Полученные во время этого исследования результаты — это шаг на нашем пути к созданию антиэпилептических систем для человека. В настоящий момент коллеги получают разрешение от этической комиссии для начала экспериментальных исследований на пациентах».