Совместная исследовательская группа из Университета Канберры и Кувейтского колледжа науки и технологий достигла новаторского обнаружения болезни Паркинсона с почти идеальной точностью, просто анализируя реакции мозга на эмоциональные ситуации, такие как просмотр видеоклипов или изображений.
Результаты предлагают объективный способ диагностики изнурительного двигательного расстройства, вместо того чтобы полагаться на клинический опыт и самооценку пациентов, что потенциально улучшает варианты лечения и общее благополучие для тех, кто страдает болезнью Паркинсона. Исследование было опубликовано в Intelligent Computing.
Их анализ эмоционального мозга фокусируется на разнице в неявных эмоциональных реакциях между пациентами с болезнью Паркинсона, которые, как обычно считается, страдают от нарушений распознавания эмоций, и здоровыми людьми. Команда продемонстрировала, что они могут идентифицировать пациентов и здоровых людей с показателем F1 0,97 или выше, основываясь исключительно на показаниях сканирования мозга эмоциональных реакций. Эта диагностическая производительность очень близка к 100% точности только по данным мозговых волн.
Результаты показывают, что пациенты с болезнью Паркинсона демонстрируют определенные модели эмоционального восприятия, лучше понимая эмоциональное возбуждение, чем эмоциональную валентность, что означает, что они более настроены на интенсивность эмоций, а не на приятность или неприятность этих эмоций. Также было обнаружено, что пациенты испытывают наибольшие трудности с распознаванием страха, отвращения и удивления или путают эмоции противоположной валентности, например, принимая печаль за счастье.
Исследователи записали данные электроэнцефалографии -; или ЭЭГ -;, измеряя электрическую активность мозга у 20 пациентов с болезнью Паркинсона и 20 здоровых людей. Участники смотрели видеоклипы и изображения, предназначенные для запуска эмоциональных реакций. После записи данных ЭЭГ обрабатывались многочисленные дескрипторы ЭЭГ для извлечения ключевых признаков, которые затем преобразовывались в визуальные представления, которые затем анализировались с использованием фреймворков машинного обучения, таких как сверточные нейронные сети, для автоматического обнаружения различных закономерностей в том, как пациенты обрабатывали эмоции по сравнению со здоровой группой. Эта обработка позволила провести высокоточную дифференциацию между пациентами и здоровыми людьми.
Ключевые используемые дескрипторы ЭЭГ включают спектральные векторы мощности и общие пространственные паттерны. Спектральные векторы мощности фиксируют распределение мощности по различным частотным диапазонам, которые, как известно, коррелируют с эмоциональными состояниями. Общие пространственные паттерны улучшают межклассовую дискриминацию, максимизируя дисперсию для одного класса и минимизируя ее для другого, что позволяет лучше классифицировать сигналы ЭЭГ.
Поскольку исследователи продолжают совершенствовать методы на основе ЭЭГ, мониторинг эмоционального мозга имеет потенциал стать широко распространенным клиническим инструментом для диагностики болезни Паркинсона. Исследование демонстрирует перспективность объединения нейротехнологий, ИИ и аффективных вычислений для предоставления объективных оценок неврологического здоровья.
