Чтобы отслеживать, лечить и лучше понимать, как возникают и развиваются судороги, ученые и клиницисты ищут более объективные методы измерения и анализа активности мозга. В настоящее время типичная электроэнцефалография (ЭЭГ), регистрирующая мозговые волны во время припадка, имеет ограниченную ценность, поскольку требует довольно большой обработки, чтобы понять, что произошло. Команда исследователей из Вашингтонского университета в Сент-Луисе, Техасского университета в Арлингтоне и Северо-Восточного университета объединила усилия для разработки нового вычислительного подхода, который более разумно обрабатывает данные, чтобы можно было количественно оценить предстоящие приступы и их уникальные особенности. в реальном времени.

«Наша методика позволяет нам получать необработанные данные, обрабатывать их и извлекать функцию, более информативную для использования в модели машинного обучения», — сказал в своем заявлении один из ученых Вальтер Бомела. «Основным преимуществом нашего подхода является объединение сигналов с 23 электродов в один параметр, который может быть эффективно обработан с гораздо меньшими вычислительными ресурсами».

Подпись: Эта гифка была записана во время двух приступов, один — 2950 секунд, другой — 9200. Верхняя левая анимация — это сигналы ЭЭГ от трех электродов. В правом верхнем углу находится карта предполагаемой сети. Третья анимация отображает собственное значение Фидлера, единственное значение, используемое для обнаружения приступов с использованием метода сетевого вывода. (Предоставлено: Вальтер Бомела, Li Lab)

Простой взгляд на результаты ЭЭГ во время припадка показывает, что нормальная мозговая активность превращается в сильные синхронизированные разряды, которые перегружают большую часть мозга. Считается, что они возникают из групп нейронов, которые, кажется, хотят действовать вместе и усиливать друг друга. «Но точность обнаружения припадков не так хороша при использовании сигналов временной ЭЭГ», — говорит Бомела.

Чтобы получить более детальное представление о данных и определить, где и когда возникают приступы, исследовательская группа разработала алгоритм, основанный на сетевых выводах. «Мы относились к электродам ЭЭГ как к узлам сети. Используя записи (данные временного ряда) от каждого узла, мы разработали управляемый данными подход для вывода изменяющихся во времени соединений в сети или отношений между узлами », — говорит Бомела. «Мы хотим узнать, как одна область мозга взаимодействует с другими», — добавил он.

Алгоритм, который до сих пор был обучен работе с одним человеком, быстро определяет сети сигналов и анализирует их различные параметры. Одним из них является собственное значение Фидлера, которое измеряет синхронность сети и которое, как было показано, представляет особый интерес, поскольку оно возрастает с началом приступа. Более того, тот же параметр помогает минимизировать шум сигнала и отвлечение от паразитных сигналов, исходящих от нормальной активности тела.

В настоящее время исследователи планируют расширить эту технику для работы с другими людьми, страдающими эпилепсией, а также для количественной оценки и оценки различных типов припадков.