Wczesne wykrycie chorób neurodegeneracyjnych to jeden z największych wyzwań współczesnej medycyny, a najnowsze badania przynoszą w tym zakresie obiecujące wieści. Naukowcy opracowali nowatorski model sztucznej inteligencji, który potrafi zdiagnozować demencję, w tym chorobę Alzheimera, analizując jedynie sygnały elektryczne mózgu (EEG). To podejście może całkowicie zmienić sposób, w jaki diagnozowana jest demencja, oferując szybką, tanią i nieinwazyjną alternatywę dla skomplikowanych badań obrazowych.
Przełom w diagnostyce: EEG zamiast drogiego rezonansu
Tradycyjna diagnostyka zaburzeń poznawczych często opiera się na drogich i czasochłonnych metodach, takich jak rezonans magnetyczny (MRI) czy tomografia pozytonowa (PET). Choć są one skuteczne, ich dostępność jest ograniczona, a koszty wysokie. Tymczasem elektroencefalografia (EEG) to badanie powszechnie dostępne, tanie i całkowicie bezbolesne. Do tej pory jednak interpretacja surowych danych EEG w kontekście wczesnych stadiów demencji była dla lekarzy niezwykle trudna.
Tutaj na scenę wkracza sztuczna inteligencja i zmienia świat medycyny. Nowy model, opracowany przez badaczy z Uniwersytetu w Örebro we współpracy z międzynarodowymi ośrodkami, wykorzystuje zaawansowane sieci neuronowe do wyłapywania subtelnych wzorców w falach mózgowych, które umykają ludzkiemu oku. Wyniki są imponujące – w zadaniach klasyfikacji binarnej (czyli rozróżnianiu osoby zdrowej od chorej) algorytm osiągnął skuteczność przekraczającą 99%.
Jak AI analizuje fale mózgowe, by wykryć demencję?
Model opiera się na hybrydowym podejściu, łączącym dwa typy sieci głębokiego uczenia: czasowe sieci konwolucyjne (TCN) oraz sieci LSTM (Long Short-Term Memory). Taka architektura pozwala na analizę sygnału EEG nie tylko jako statycznego obrazu, ale jako sekwencji zmian w czasie. Kluczowym elementem badania było podzielenie sygnałów na konkretne pasma częstotliwości, takie jak fale alfa, beta czy gamma.
Szczególną rolę w wykrywaniu anomalii odegrały pasma beta i tzw. pasmo „Zaeta”. Zmiany w tych częstotliwościach są silnie skorelowane z procesami neurodegeneracyjnymi. Jak wskazują badacze w publikacji na łamach Frontiers in Medicine, model potrafi nie tylko wykryć chorobę, ale także odróżnić chorobę Alzheimera od demencji czołowo-skroniowej (FTD), co jest kluczowe dla dobrania odpowiedniej terapii.
Koniec z „czarną skrzynką” – lekarz zrozumie werdykt AI
Jednym z głównych problemów przy wdrażaniu AI w medycynie jest brak przejrzystości – lekarze często nie wiedzą, dlaczego algorytm podjął taką, a nie inną decyzję. W tym przypadku zastosowano jednak techniki XAI (Explainable AI), w tym metodę SHAP. Dzięki temu system nie tylko „wypluwa” diagnozę, ale wskazuje, które fragmenty zapisu EEG zadecydowały o wyniku. To buduje zaufanie personelu medycznego do technologii.
Jak zaznacza Muhammad Hanif, badacz z Uniwersytetu w Örebro:
„Tradycyjne modele uczenia maszynowego często nie są przejrzyste […]. Nasze badanie ma na celu rozwiązanie tego problemu.”
Dzięki temu lekarz otrzymuje nie tylko wynik, ale i „mapę” zmian w mózgu pacjenta, co pozwala na lepsze zrozumienie postępu choroby.
Przyszłość to badania przesiewowe w domu
Ogromną zaletą nowego modelu jest jego „lekkość”. Algorytm zajmuje niewiele miejsca w pamięci i nie wymaga potężnych superkomputerów do działania. Otwiera to drogę do implementacji tego typu diagnostyki w małych, przenośnych urządzeniach medycznych, a nawet w sprzęcie do użytku domowego.
Wyobraźmy sobie przyszłość, w której prosta opaska na głowę połączona ze smartfonem pozwala na regularne monitorowanie stanu zdrowia mózgu seniorów. Wykrywanie wczesnych oznak choroby mogłoby odbywać się w zaciszu domowym, co drastycznie przyspieszyłoby moment rozpoczęcia leczenia. W przypadku demencji czas jest bowiem kluczowy – im wcześniej wykryta choroba, tym większe szanse na spowolnienie jej rozwoju i poprawę jakości życia pacjenta.
