Ученые УрФУ разработали метод диагностики неврологических расстройств с помощью анализа изображений сетчатки

Разработан инновационный метод диагностики неврологических расстройств с помощью анализа изображений сетчатки Учёные urfu ru совместно с международным научным коллективом представили новую технологию диагностики таких заболеваний как синдром дефицита внимания и гиперактивности СДВГ расстройство аутистического спектра и болезнь Паркинсона посредством анализа изображений сетчатки глазного дна Методика базируется на применении технологий искусственного интеллекта и обеспечивает оперативность и экономичность процедуры диагностики По мнению исследователей Центра Искусственный интеллект разработанный подход позволит существенно сократить время постановки диагноза и облегчить работу медицинских специалистов за счёт автоматизации процесса анализа данных Наука на Урале

Исследователи из центра Искусственный интеллект УрФУ представили новый подход к диагностике расстройств аутистического спектра РАС с использованием электроретинограммы ЭРГ в светоадаптированном режиме Для анализа временных рядов ЭРГ были применены различные алгоритмы машинного обучения В ходе экспериментов были протестированы несколько моделей WEASEL TSF TS KNN и ROCKET на наборе данных Лучшие гиперпараметры были выбраны на основе 10 кратного повторного разделения тренировочного теста Набор данных содержал 991 сигнал ERG от 30 участников с РАС и 20 участников контрольной группы Для интерпретации предсказаний моделей использовались аддитивные объяснения Шепли SHAP Наилучшие результаты получены с помощью алгоритма ROCKET хотя и с высокими стандартными отклонениями Модель эффективно выявляла характерные паттерны реакции сетчатки на световые стимулы у пациентов с РАС Метод обладает важным преимуществом неинвазивностью процедуры и возможностью получения объективных биомаркеров РАС Это открывает новые перспективы для ранней диагностики и может привести к созданию более точных диагностических протоколов в будущем Подписаться на Нейроскептик

Новый метод анализа снимков сетчатки глаза который позволяет просто и недорого диагностировать неврологические расстройства СДВГ расстройства аутистического спектра болезнь Паркинсона разработали ученые УрФУ в составе международного научного коллектива По их данным внедрение нового метода поможет ускорить диагностику и снизить нагрузку на врачей Результаты исследования опубликованы в журнале Bioengineering Исследователи центра Искусственный интеллект Уральского федерального университета имени первого Президента России Б Н Ельцина УрФУ создали новый метод анализа снимков электроретинограммы неинвазивного функционального теста сетчатки глаза Метод основан на технологиях искусственного интеллекта Мы разработали алгоритм на основе методов классификации временных рядов который анализирует сигналы световой электроретинограммы Оказалось что по этим сигналам можно выявлять не только патологии зрения но и признаки нарушений нейроразвития таких как аутизм или СДВГ а также нейродегенеративных заболеваний вроде болезни Паркинсона Важно что наш подход не ограничивается простым да нет алгоритм с помощью технологии explainable AI позволяет анализировать конкретные участки сигнала рассказал доцент центра Искусственный интеллект УрФУ Василий Борисов По его словам такой подход позволяет врачу понять логику работы модели обратить внимание на значимые фрагменты кривой и принять решение о необходимости дальнейшего обследования Таким образом искусственный интеллект не заменяет специалиста а предоставляет ему инструмент для принятия более точного решения Алгоритм отработан на базе данных реальных людей с заболеваниями и без которую собрала международная группа ученых под руководством профессора Университета Флиндерса Австралия Пола Констебля На основе этих данных специалисты обучили четыре метода а затем использовали специальную библиотеку SHAP в основе нее лежит теория игр для определения вклада каждой функции в предсказания модели позволяющую объяснить предсказания алгоритмов машинного обучения и выявить лучший подход в постановке диагноза Это не первая попытка построения систем поддержки принятия врачебных решений на основе сигналов электроретинограмм но обычно ученые используют нейронные сети которые вычислительно более сложные требуют гораздо больше данных Наши алгоритмы вычислительно проще работают быстрее и у них меньше требований к железу По сути они помогут врачам достаточно дешевым и простым способом но при этом с хорошей точностью предварительно проверять и определять вероятность заболеваний рассказал доцент центра Искусственный интеллект УрФУ Михаил Ронкин В планах исследователей доработать алгоритмы для распознавания таких заболеваний сетчатки как врожденная куриная слепота глаукома а также других нейродегенеративных расстройств