Η επιληψία, μια νευρολογική διαταραχή που επηρεάζει πάνω από 3,4 εκατομμύρια ανθρώπους μόνο στις ΗΠΑ, διαταράσσει το νευρικό σύστημα και προκαλεί επιληπτικές κρίσεις. Με 1 στους 26 ανθρώπους που είναι πιθανό να αναπτύξουν επιληψία στη ζωή τους, η έγκαιρη ανίχνευση είναι ζωτικής σημασίας. Ο Παγκόσμιος Οργανισμός Υγείας εκτιμά ότι το 70% των περιπτώσεων επιληψίας θα μπορούσε να ελεγχθεί με σωστή διάγνωση και θεραπεία.
Ωστόσο, ο εντοπισμός των επιληπτικών κρίσεων, ιδιαίτερα των σπάνιων, μπορεί να είναι δύσκολος. Οι παραδοσιακές μέθοδοι βασίζονται σε σήματα ηλεκτροεγκεφαλογραφίας (EEG), τα οποία προσφέρουν περίπλοκα μοτίβα που μπορούν να κατακλύσουν την ανθρώπινη ανάλυση. Τα υπάρχοντα συστήματα τεχνητής νοημοσύνης, αν και είναι χρήσιμα, παλεύουν με σπάνιες κρίσεις λόγω περιορισμένων δεδομένων εκπαίδευσης σε αυτά τα σπάνια περιστατικά.
Ερευνητές στο Πανεπιστήμιο της Νότιας Καλιφόρνια (USC) έκαναν ένα άλμα προς τα εμπρός με ένα νέο σύστημα AI που αντιμετωπίζει αυτήν την πρόκληση. Η καινοτομία τους μπορεί να υπερηφανεύεται για μια βελτίωση 12% στην ανίχνευση επιληπτικών κρίσεων σε σύγκριση με τα τρέχοντα μοντέλα.
Πέρα από τα δεδομένα, αποκαλύπτοντας αλληλεπιδράσεις
Το σύστημα USC ανοίγει νέους δρόμους αναλύοντας τις αλληλεπιδράσεις εντός του εγκεφάλου, όχι μόνο μεμονωμένα σημεία δεδομένων. Ενσωματώνει λεπτομέρειες που συχνά αγνοούνται, όπως η τοποθέτηση ηλεκτροδίων EEG και οι συγκεκριμένες περιοχές του εγκεφάλου που παρακολουθούν. Αυτή η πολύπλευρη προσέγγιση επιτρέπει στην τεχνητή νοημοσύνη να εντοπίζει μοτίβα ακόμη και με περιορισμένα δεδομένα, αποδεικνύοντας ανεκτίμητη για σπάνιους τύπους κρίσεων με λίγα παραδείγματα εκπαίδευσης.
Για παράδειγμα, το σύστημα μπορεί να ανιχνεύσει ατονικές κρίσεις, μια σπάνια παιδική πάθηση που προκαλεί ξαφνική απώλεια μυών. Αναλύοντας τις χωρικές σχέσεις εντός των περιοχών του εγκεφάλου που είναι κρίσιμες για τον έλεγχο των μυών (όπως ο κινητικός φλοιός και η παρεγκεφαλίδα), το AI μπορεί να εντοπίσει μοτίβα δραστηριότητας ενδεικτικά μιας επικείμενης ατονικής κρίσης.
Ο κύριος συγγραφέας Arash Hajisaf τονίζει ότι το πλαίσιο AI υπερβαίνει τα ακατέργαστα δεδομένα. Ενσωματώνει χωρικές σχέσεις, σημασιολογία και λεπτομερείς περιγραφές κάθε περιοχής του εγκεφάλου για να ενισχύσει την ικανότητά του να εντοπίζει σχετικά χαρακτηριστικά σε διάφορους τύπους επιληπτικών κρίσεων.
Βοηθώντας την ιατρική πείρα, όχι την αντικατάστασή της
Οι ερευνητές τονίζουν ότι η τεχνητή νοημοσύνη τους δεν έχει σχεδιαστεί για να αντικαταστήσει τους επαγγελματίες υγείας, αλλά μάλλον για να τους βοηθήσει στην αντιμετώπιση περίπλοκων διαγνώσεων. Οραματίζονται την ενσωμάτωση αυτής της τεχνολογίας σε φορετούς αισθητήρες που μεταδίδουν δεδομένα σε smartphone, επιτρέποντας ενδεχομένως την ανίχνευση κρίσεων σε πραγματικό χρόνο.
«Η έγκαιρη ανίχνευση κρίσεων θα μπορούσε να είναι σωτήρια», δήλωσε ο συν-συγγραφέας Cyrus Shahabi. «Το σύστημα θα μπορούσε να ενεργοποιήσει μια ειδοποίηση για τυχόν ανωμαλίες των εγκεφαλικών κυμάτων, ανοίγοντας πόρτες για βελτιωμένη διάγνωση και θεραπεία της επιληψίας».
Παρουσιάστηκε τον περασμένο μήνα στο συνέδριο Advances in Knowledge Discovery and Data Mining (PAKDD), αυτή η έρευνα του USC προσφέρει ένα πολλά υποσχόμενο μέλλον για τους ασθενείς με επιληψία. Με την ενσωμάτωση μιας βαθύτερης κατανόησης των αλληλεπιδράσεων του εγκεφάλου, αυτό το σύστημα τεχνητής νοημοσύνης έχει τη δυνατότητα να φέρει επανάσταση στην ανίχνευση επιληπτικών κρίσεων, ιδιαίτερα για σπάνιες και δύσκολες περιπτώσεις.