В режиме реального времени: ИИ научили предсказывать эпилептические припадки

Автор
926
В режиме реального времени: ИИ научили предсказывать эпилептические припадки

Новый ИИ может анализировать медицинские данные и предсказывать эпилептические припадки. Пока он работает только для отдельных пациентов, но в будущем его можно станет использовать и массово.

Исследователи из Вашингтонского университета объединили искусственный интеллект (ИИ) с методикой теории систем для разработки более эффективного способа обнаружения и точного определения эпилептического припадка в режиме реального времени.

Они объяснили, что большинство подобных припадков случается, когда мозговая деятельность прерывается аномальной деятельностью нервных клеток головного мозга, причиной которой являются возникающие в нервных клетках головного мозга избыточные заряды. Эти заряды вызывают в нервной системе состояние некоординированного возбуждения, поэтому на протяжении короткого временного промежутка мозг не может работать нормально и возникает так называемый эпилептический судорожный припадок.

При этом точность обнаружения припадков невысокая, особенно когда используются височные ЭЭГ-сигналы. Поэтому команда разработала методику сетевого вывода для облегчения обнаружения припадка.

"Наш метод позволяет нам получать необработанные данные, затем обработать их вручную или использовать модель машинного обучения, чтобы добыть нужную нам информацию. Основное преимущество нашего подхода заключается в том, что сигнал от 23 электродов анализируется одновременно, а ненужная информация сразу отсекается, поэтому нам не нужно большое количество вычислительных ресурсов. Специально для того, чтобы видеть общую картину состояния пациента, мы ввели параметр, который оценивает все источники информации о нем".

Научился по видео: ИИ смог зашить рану, просмотрев ролики операций

В случае, если ИИ зафиксирует подозрительную или опасную активность мозга, он сообщит об этом врачу. Пока этот метод нужно разрабатывать для каждого пациента индивидуально. Следующим шагом является интеграция машинного обучения для обобщения различных типов судорог у пациентов.