Ερευνητές στο Πανεπιστήμιο της Νότιας Καλιφόρνια (USC) ανέπτυξαν ένα σύστημα τεχνητής νοημοσύνης που υπόσχεται να βελτιώσει την ανίχνευση σπάνιων και πολύπλοκων περιπτώσεων επιληψίας. Η επιληψία είναι μια κατάσταση που επηρεάζει περισσότερα από 3,4 εκατομμύρια άτομα στις Ηνωμένες Πολιτείες και 65 εκατομμύρια παγκοσμίως. Αυτή η διαταραχή επηρεάζει το νευρικό σύστημα και οδηγεί σε επιληπτικές κρίσεις.
Στατιστικά στοιχεία που αναφέρουν οι ερευνητές αποκαλύπτουν ότι ένας στους 26 ανθρώπους είναι πιθανό να έχει επιληψία κατά τη διάρκεια της ζωής του και, τραγικά, ένα στα 1000 άτομα με επιληψία πεθαίνει κάθε χρόνο από απροσδόκητα αίτια. Ως εκ τούτου, οι ερευνητές σημείωσαν ότι η έγκαιρη ανίχνευση είναι ζωτικής σημασίας για την αποτελεσματική θεραπεία της επιληψίας. Ο Παγκόσμιος Οργανισμός Υγείας (ΠΟΥ) προτείνει ότι το 70% των ατόμων με επιληψία θα μπορούσαν να ζήσουν χωρίς επιληπτικές κρίσεις εάν λάβουν κατάλληλη διάγνωση και θεραπεία.
Η ομάδα είπε ότι διάφορες τεχνικές μηχανικής μάθησης έχουν δημιουργηθεί για την ανίχνευση και την ταξινόμηση κρίσεων που προκύπτουν από σήματα ηλεκτροεγκεφαλογραφίας (EEG). Τα σήματα που λαμβάνονται από ηλεκτρόδια που εμφυτεύονται στον εγκέφαλο παρουσιάζουν περίπλοκα μοτίβα και συσχετισμούς που συχνά ξεπερνούν τις δυνατότητες της ανθρώπινης ανάλυσης και μόνο. Παρά τις εξελίξεις, τα τρέχοντα συστήματα τεχνητής νοημοσύνης αντιμετωπίζουν δυσκολίες στον εντοπισμό σπάνιων επιληπτικών κρίσεων. Η κύρια πρόκληση πηγάζει από την εξάρτηση της τεχνητής νοημοσύνης από δεδομένα για την αναγνώριση προτύπων και την πραγματοποίηση ακριβών προβλέψεων. Σε περιπτώσεις σπάνιων κρίσεων, η περιορισμένη διαθεσιμότητα παραδειγμάτων στα δεδομένα εκπαίδευσης παρεμποδίζει την αποτελεσματικότητα του AI.
AI για ανίχνευση επιληψίας
Για να αντιμετωπίσουν αυτήν την πρόκληση, οι ερευνητές του USC έχουν επινοήσει ένα σύστημα AI ικανό να αναγνωρίζει την επιληψία εξετάζοντας τις αλληλεπιδράσεις εντός του εγκεφάλου. Η ομάδα ανέφερε ότι το σύστημα παρουσίασε βελτίωση 12% σε σύγκριση με τα υπάρχοντα μοντέλα. Το AI μπορεί να ανιχνεύσει μοτίβα που σηματοδοτούν μια επικείμενη κρίση ενσωματώνοντας διάφορες εισροές δεδομένων που συνήθως αγνοούνται στα παραδοσιακά συστήματα, συμπεριλαμβανομένων των τοποθετήσεων ηλεκτροδίων EEG και των περιοχών του εγκεφάλου υπό την επίβλεψή τους.
Αυτή η προσέγγιση επιτρέπει στο AI να παράγει ακριβή αποτελέσματα ακόμη και όταν εργάζεται με αραιά δεδομένα, τα οποία αποδεικνύονται ιδιαίτερα πολύτιμα για τον εντοπισμό σπάνιων τύπων κρίσεων με περιορισμένες περιπτώσεις στο σύνολο δεδομένων εκπαίδευσης. Για παράδειγμα, το σύστημα μπορεί να ανιχνεύσει ατονικές κρίσεις, ένα σπάνιο περιστατικό που επηρεάζει κυρίως παιδιά, που χαρακτηρίζεται από ξαφνική απώλεια του μυϊκού ελέγχου. Το AI μπορεί να εντοπίσει μοτίβα δραστηριότητας ενδεικτικά των ατονικών κρίσεων αναλύοντας τις χωρικές σχέσεις εντός των περιοχών του εγκεφάλου και εστιάζοντας σε περιοχές που σχετίζονται με τον έλεγχο των μυών, όπως ο κινητικός φλοιός, τα βασικά γάγγλια, η παρεγκεφαλίδα και το εγκεφαλικό στέλεχος.
Επιπλέον, σύμφωνα με τον επικεφαλής συγγραφέα Arash Hajisaf, το πλαίσιο AI ενισχύει την ικανότητά του να εντοπίζει σχετικά χαρακτηριστικά διαφόρων τύπων επιληπτικών κρίσεων ενσωματώνοντας χωρικές σχέσεις, σημασιολογία και λεπτομερείς περιγραφές κάθε περιοχής του εγκεφάλου. Οι ερευνητές υπογραμμίζουν ότι στόχος τους δεν είναι να αντικαταστήσουν τους επαγγελματίες γιατρούς αλλά να συμπληρώσουν την τεχνογνωσία τους σε δύσκολες διαγνωστικές περιπτώσεις. Οι ερευνητές οραματίζονται την ενσωμάτωση αυτής της τεχνολογίας σε φορετούς αισθητήρες ικανούς να μεταδίδουν δεδομένα σε smartphone. «Οι κρίσεις εγκεφάλου συμβαίνουν πολύ ξαφνικά, και έτσι η ανίχνευση κρίσεων νωρίτερα θα μπορούσε πραγματικά να σώσει ζωές», δήλωσε ο συν-συγγραφέας Cyrus Shahabi σε δελτίο τύπου. “Το σύστημα θα μπορούσε να ειδοποιήσει εάν εντοπίσει τυχόν ανωμαλίες στα εγκεφαλικά κύματα. Αυτό θα άνοιγε απίστευτες ευκαιρίες για διάγνωση και θεραπεία της επιληψίας.”