Специалисты Санкт-Петербургского государственного электротехнического университета "ЛЭТИ" создали алгоритм на базе нейросети, который позволяет по фотографии нарисованной пациентом спирали обнаруживать признаки, которые могут указывать на наличие когнитивных нарушений, в том числе болезнь Паркинсона. Об этом "Газете.Ru" рассказали в ЛЭТИ.
Болезнь Паркинсона является тяжелым нейродегенеративным заболеванием, которое у человека постепенно проявляется во взрослом возрасте (30–50 лет) и поражает клетки центральной нервной системы. Среди симптомов – замедленность движений, тремор, апатия, изменение тембра голоса и проч. Данное заболевание практически невозможно диагностировать до проявления симптомов. При этом раннее выявление болезни важно, поскольку современные методы лечения направлены исключительно на замедление симптомов. Согласно данным из открытых источников, сегодня в мире живут около 10 миллионов людей, страдающих от болезни Паркинсона.
Один из самых простых тестов диагностики данного заболевания – рисование пациентом на листе бумаги по точкам спирали. Сильные отклонения, например, вследствие тремора рук, могут свидетельствовать о когнитивных нарушениях работы головного мозга. Однако по факту оценка рисунка пациента производится врачом "на глаз", исходя из его предыдущего опыта, и поэтому актуальными становятся инструменты для получения более объективного результата.
"Мы разработали алгоритм, который позволяет по фотографии – нарисованной пациентом спирали – обнаруживать признаки, которые могут указывать на наличие когнитивных нарушений. Анализ изображения проводится с помощью нейросети. В перспективе, в случае интереса со стороны медицинских организаций, разработка может использоваться как основа для программ по поддержке в принятии решений врачей, которые занимаются диагностикой болезни Паркинсона. Кроме того, с помощью подобных систем пациенты смогут отслеживать свое состояние самостоятельно", – рассказала "Газете.Ru" автор работы Екатерина Сырцова.
Результаты тестирования обученной модели показали, что ее точность достигает 99,3%. В перспективе разработка может лечь в основу системы для поддержки принятия решений врачей при экспресс-диагностике этого нейродегенеративного заболевания.
