Учёные Российского экономического университета имени Г.В. Плеханова и Национального медико-хирургического центра имени Н.И. Пирогова разработали новый метод «объяснимого» искусственного интеллекта для анализа электроэнцефалограмм (далее - ЭЭГ). Предложенная технология не только автоматически выявляет эпилептические приступы с высокой точностью, но и прозрачно объясняет свои решения, указывая, какие именно участки мозга и частотные диапазоны стали решающими для постановки диагноза.
Современные сверточные нейронные сети демонстрируют внушительные результаты в обнаружении судорожной активности на ЭЭГ. Однако долгое время их природа «чёрного ящика» являлась главным препятствием для внедрения в клиническую практику, поскольку врачи не могут доверять диагнозу, если не понимают логику его постановки.
Подход, разработанный исследователями, решает эту проблему. Впервые интерпретируемость ИИ адаптирована под специфику электроэнцефалографии: метод комбинирует анализ частотных диапазонов и пространственное картирование мозга.
«Врачам важно не просто получить вероятность приступа, но и увидеть, почему модель приняла такое решение. Наш фреймворк позволяет визуализировать эти признаки в виде тепловых карт, где отмечены конкретные зоны коры головного мозга и спектральные паттерны. Это переводит работу ИИ с языка математики на язык нейрофизиологии», — комментирует ведущий научный сотрудник НИИ прикладного искусственного интеллекта и цифровых решений РЭУ им. Г.В. Плеханова Вадим Грубов.
Метод был протестирован на трех разных нейросетевых архитектурах, включая гибридную модель, которая показала наилучший результат. Анализ значимых признаков подтвердил соответствие известным нейрофизиологическим механизмам эпилепсии, а также помог выявить новые перспективные биомаркеры, в том числе роль высокочастотного гамма-диапазона, связанного с моторной активностью.
Как отмечает заведующий неврологическим отделением с кабинетом функциональной диагностики НЦМХ им. Н.И. Пирогова Никита Утяшев, особенно ценно, что лучшие модели используют не один дельта-ритм, а комплекс признаков из разных частотных диапазонов и учитывают развитие приступа во времени.
Исследование стало результатом совместной работы специалистов Плехановского университета и Пироговского центра: клинические данные и валидация (проверка метода) были предоставлены медиками, что повысило достоверность выводов и их применимость в практике. По словам руководителя НИИ прикладного искусственного интеллекта и цифровых решений Плехановского университета Александра Храмова, такие коллаборации важны для создания не просто алгоритмов, но также инструментов верификации, позволяющих врачу проверять логику искусственного интеллекта и использовать его в сложных клинических случаях.
В перспективе разработанный подход может быть масштабирован для анализа других нейродегенеративных и неврологических расстройств. Исследование выполнено при поддержке гранта Российского научного фонда № 23-71-30010. Его результаты опубликованы в журнале International Journal of Neural Systems (импакт фактор = 6.4).
Источник: Минобрнауки России
