„Ce face studiul nostru nou este modul în care am folosit învățarea profundă pentru a extrage informații atât spațiale, cât și temporale din semnalele EEG,” a declarat autorul principal Tuan Vo, student doctoral la FAU. „Prin aceasta, putem detecta modele subtile de unde cerebrale legate de Alzheimer și demența frontotemporală, care altfel ar fi trecute cu vederea. Modelul nostru nu doar identifică boala – ci estimează și cât de severă este, oferind o imagine mai completă a stării fiecărui pacient.”
Echipa FAU a abordat o metodă de învățare profundă deoarece interpretarea EEG-ului pentru demență este provocatoare. Semnalele sunt zgomotoase, variază între indivizi, iar simptomele comune ale Alzheimerului și DFT pot duce la diagnosticări greșite folosind această tehnologie. Cercetările anterioare au indicat că ar putea fi posibil să se folosească analiza EEG tradițională bazată pe frecvență și metodele de învățare automată pentru a ajuta la diagnosticarea demenței, dar aceste încercări anterioare au fost împiedicate de previziuni la nivel de segment, analize incomplete ale regiunilor cerebrale și benzilor de frecvență, precum și lipsa modelării pentru a arăta cât de avansată este boala.
„Deși electroencefalografia (EEG) este portabilă, non-invazivă și rentabilă, potențialul său diagnostic pentru Alzheimer și DFT este limitat de similaritățile dintre cele două boli,” au scris cercetătorii, subliniind aceste provocări.
Alte tehnologii de imagistică precum RMN și PET joacă de asemenea un rol în diagnosticul Alzheimerului, dar nu sunt prezente în toate mediile clinice și sunt costisitoare și complexe. Aceasta a indicat potențialul utilizării EEG-ului, deoarece este larg disponibil, portabil, mai puțin costisitor și non-invaziv, atâta vreme cât metodele pot fi dezvoltate pentru a-l face mai precis în acest scop.
Pentru a aborda această problemă, echipa FAU a dezvoltat un model de învățare automată care combină rețele neurale convoluționale cu o rețea neurală numită memoria pe termen lung scurt (LSTM) pentru a captura modele spațiale și temporale din semnalele EEG. Utilizând acest cadru, cercetătorii au reușit să clasifice boala, oferind totodată o estimare a severității bolii. Prin extragerea caracteristicilor din toate benzile de frecvență EEG, modelul a identificat o activitate delta crescută în regiunile frontale și centrale ca biomarkeri pentru ambele afecțiuni.
Testându-și tehnologia combinată, cercetătorii au obținut o precizie de peste 90% în delimitarea persoanelor cu Alzheimer sau DFT în comparație cu un grup martor de participanți cu cogniție normală. Predicțiile de severitate au avut o eroare relativă mică.
Sursa: [Florida Atlantic University (FAU)]
Senior Editor RevistaSanatatii.ro. Pasionat de lifespan, fan David Sinclair.
