Устройство, которое может предсказать, когда у человека, страдающего эпилепсией, может случиться приступ, на один шаг ближе к реальности благодаря разработке программного обеспечения исследователями в США. Подробности будут опубликованы в следующем выпуске Международного журнала интеллектуального анализа данных и биоинформатики.
Прогнозирование приступов – важная медицинская цель для многих людей, страдающих эпилепсией и связанными с ней неврологическими расстройствами. Доступны лекарства для контроля припадков, но способ заранее определить, когда может произойти приступ, позволит пострадавшим вести нормальный образ жизни, безопасно управлять транспортными средствами и работать с опасными механизмами и т. Д., Будучи уверенными в том, что они будут знать, когда припадок вот-вот начнется. происходят, и они могут уйти от опасности в течение длительного времени.
Шоуи Ван из Департамента проектирования промышленных и производственных систем Техасского университета в Арлингтоне, Арлингтон, Техас, и Ванпрача Арт Чаовалитвонгсе из Вашингтонского университета, Сиэтл, и Стивен Вонг из Университета медицины и стоматологии Нью-Джерси, Нью-Джерси. Брансуик, объясните, что современные алгоритмы прогнозирования эпилептических припадков требуют значительных предварительных знаний о моделях электроэнцефалограммы (ЭЭГ) пациента до приступа. Обычно это делает их совершенно непрактичными, поскольку ЭЭГ до приступа редко доступны в необходимой детали или количестве.
Теперь команда разработала программное обеспечение, которое может узнать о нормальной и судорожной электрической активности пациента по долгосрочным записям ЭЭГ после постановки диагноза. Затем процесс обучения позволяет программному обеспечению предсказать, когда может произойти еще один приступ, на основе усвоенных закономерностей. В конечном счете, портативное устройство с дискретными электродами, которое можно носить под кепкой или шляпой, будет использовать этот алгоритм, чтобы дать пациенту раннее предупреждение о надвигающемся приступе. Это позволит им безопасно остановиться в случае вождения или иного выхода из опасной ситуации в безопасную среду задолго до начала захвата.
"Наши экспериментальные результаты показали, что схема адаптивного прогнозирования может обеспечить более стабильную производительность прогнозирования, чем случайная модель и система без обновления," команда говорит. "Это исследование подтвердило, что концепция использования алгоритмов адаптивного обучения для улучшения адаптируемости прогноза приступов возможна," исследователи добавляют. "Если устройство, предупреждающее о припадках, когда-либо станет реальностью, адаптивные методы обучения будут играть важную роль."