Naučnici sa klinike Mejo koriste veštačku inteligenciju (AI) i mašinsko učenje da brže i preciznije analiziraju testove elektroencefalograma (EEG), omogućavajući neurolozima da pronađu rane znake demencije među podacima koji se obično ne ispituju.
Vekovni EEG, tokom kojeg se desetak ili više elektroda zalepi za skalp radi praćenja moždane aktivnosti, često se koristi za otkrivanje epilepsije. Njegove rezultate tumače neurolozi i drugi stručnjaci obučeni da uoče obrasce među vijugavim talasima testa.
U novom istraživanju objavljenom u Brain Communications, naučnici iz programa AI za neurologiju klinike Maio (NAIP) pokazuju kako AI može ne samo da ubrza analizu, već i upozori stručnjake koji pregledaju rezultate testa na abnormalne obrasce koji su previše suptilni da bi ih ljudi mogli otkriti. Tehnologija pokazuje potencijal da jednog dana pomogne lekarima da razlikuju uzroke kognitivnih problema, kao što su Alchajmerova bolest i demencija Levijevog tela. Istraživanje sugeriše da bi EEG-ovi, koji su dostupniji, jeftiniji i manje invazivni od drugih testova za otkrivanje zdravlja mozga, mogli biti pristupačniji alat koji pomaže lekarima da rano otkriju kognitivne probleme kod pacijenata.
„U ovim moždanim talasima ima mnogo medicinskih informacija o zdravlju mozga u EEG-u“, kaže stariji autor David T. Jones, MD, neurolog i direktor NAIP-a. „Dobro je poznato da možete videti da se ovi talasi usporavaju i izgledaju malo drugačije kod ljudi koji imaju kognitivne probleme. U našoj studiji, želeli smo da znamo da li možemo tačno da izmerimo i kvantifikujemo tu vrstu usporavanja uz pomoć veštačke inteligencije.“
Da bi razvili alat, istraživači su prikupili podatke od više od 11.000 pacijenata koji su primili EEG na klinici Maio tokom decenije. Koristili su mašinsko učenje i veštačku inteligenciju da pojednostave složene obrasce moždanih talasa u šest specifičnih karakteristika, učeći model da automatski odbacuje određene elemente, kao što su podaci koje treba zanemariti, kako bi se orijentisali na obrasce karakteristične za kognitivne probleme poput Alchajmerove bolesti.
„Bio je izvanredan način na koji je tehnologija pomogla da se brzo izvuku EEG obrasci u poređenju sa tradicionalnim merama demencije kao što su kognitivno testiranje uz krevet, tečni biomarkeri i slikanje mozga“, kaže Ventao Li, MD, koautor rada koji je sproveo istraživanje sa NAIP dok je bio saradnik kliničke bihevioralne neurologije na klinici Maio.
„Trenutno, jedan uobičajeni način na koji kvantifikujemo obrasce u medicinskim podacima je mišljenje stručnjaka. A kako da znamo da su obrasci prisutni? Zato što vam taj stručnjak kaže da su prisutni“, kaže dr Džons. „Ali sada sa veštačkom inteligencijom i mašinskim učenjem, ne samo da vidimo stvari koje eksperti ne mogu da vide, već i stvari koje oni mogu da vide, možemo da stavimo precizan broj.
Korišćenje EEG-a za uočavanje kognitivnih problema ne bi nužno zamenilo druge vrste pregleda, kao što su MRI ili PET skeniranje. Ali uz moć veštačke inteligencije, EEG bi jednog dana mogao da pruži zdravstvenim radnicima ekonomičniji i pristupačniji alat za ranu dijagnozu u zajednicama bez lakog pristupa specijalnim klinikama ili specijalnoj opremi, kao što je u ruralnim sredinama, kaže dr Džons.
„Zaista je važno rano uočiti probleme sa pamćenjem, čak i pre nego što postanu očigledni“, kaže dr Džons. „Rana prava dijagnoza nam pomaže da pacijentima pružimo pravi izgled i najbolji tretman. Metode koje razmatramo mogu biti jeftiniji način da identifikujemo ljude sa ranim gubitkom pamćenja ili demencijom u poređenju sa trenutnim testovima koje imamo, kao što su testovi kičmene tečnosti , skeniranje glukoze u mozgu ili test pamćenja.“
Nastavak testiranja i validacije alata zahtevaće nekoliko godina dodatnog istraživanja, kaže dr Džons. Međutim, on kaže da istraživanje pokazuje da postoje načini da se koriste klinički podaci za uključivanje novih alata u klinički radni tok kako bi se postigao cilj istraživača da uvedu nove modele i inovacije u kliničku praksu, poboljšaju mogućnosti postojećih procena i skaliraju ovo znanje van granica Maio Clinic.
„Ovaj rad predstavlja primer multidisciplinarnog timskog rada za unapređenje istraživanja zdravstvene zaštite zasnovane na translacionoj tehnologiji“, kaže dr Joga Varatharajah, koautor rada koji je bio saradnik NAIP istraživanja kada je posao završen.
