Ученые Сколтеха и Федерального медицинского биофизического центра имени А.И. Бурназяна разработали систему второго мнения, основанную на видеоанализе данных методами искусственного интеллекта. С помощью этой системы медики смогут получать более объективные данные для диагностики болезни Паркинсона уже на ранней стадии. Предлагаемый подход позволяет правильно диагностировать заболевание, определять его стадию, корректировать лечение и разрабатывать рекомендации по глубокой стимуляции мозга для пациентов с подтвержденным диагнозом. Статья с описанием результатов исследования опубликована в журнале IEEE Sensors Journal.
Население в мире стареет, что приводит в том числе к росту числа людей, страдающих нейродегенеративными заболеваниями; через несколько десятилетий человечество может столкнуться с настоящей «пандемией болезни Паркинсона». Сегодня болезнь Паркинсона уже лидирует среди других заболеваний по темпам роста заболеваемости. Кроме того, болезнь Паркинсона серьезно сказывается на качестве жизни пациентов, и диагностировать ее необходимо как можно раньше. Главная сложность диагностики состоит в том, чтобы отличить болезнь Паркинсона от других заболеваний со схожими двигательными нарушениями, например, эссенциального тремора. Единого биомаркера для надежной диагностики болезни Паркинсона до сих пор не существует, и врачи вынуждены полагаться на собственные наблюдения, что зачастую приводит к постановке неверного диагноза, а ошибка становится очевидной лишь на стадии анатомо-патологического исследования.
Старший преподаватель Сколтеха Андрей Сомов и его коллеги создали так называемую систему второго мнения, позволяющую при помощи алгоритмов машинного обучения анализировать видеозаписи, на которых пациенты выполняют определенные задания на моторику. Ученые провели небольшое пилотное исследование, показавшее, что разработанная система позволяет с высокой эффективностью распознавать потенциальные признаки болезни Паркинсона и дифференцировать это заболевание от эссенциального тремора.
Система способна записывать видео и проводить его анализ, что значительно ускоряет диагностику, делая этот процесс максимально комфортным для пациентов. Исследователи разработали комплекс из 15 простых упражнений, в которых испытуемым предлагалось выполнить несколько привычных действий или движений: пройти, сесть на стул, встать со стула, сложить полотенце, налить воду в стакан и коснуться носа кончиком указательного пальца. В комплекс упражнений были включены задания на крупную и мелкую моторику, задания с полным отсутствием движения (для выявления тремора в состоянии покоя), а также некоторые другие действия, по которым врачи определяют наличие тремора.
«Упражнения разрабатывались под руководством врачей-неврологов и с использованием различных источников, включая шкалы оценки болезни Паркинсона и результаты предыдущих исследований в этой области. Для каждого возможного симптома болезни Паркинсона мы разработали специальное упражнение», − поясняет первый автор статьи аспирант Сколтеха Екатерина Коваленко.
В пилотном исследовании были задействованы 83 пациента с нейродегенеративными заболеваниями и здоровые люди. Выполняемые ими задания записывались на видео, а полученные видеозаписи обрабатывались при помощи специальной программы, в которой на тело человека наносились контрольные точки, соответствующие суставам и другим частям тела. Таким образом была получена упрощенная модель движущихся объектов. Затем проводился анализ моделей с использованием методов машинного обучения.
Исследователи считают, что использование видеозаписей и методов машинного обучения дает более объективную картину для диагностики, что позволяет исследователям и врачам выявлять мелкие нюансы и характерные особенности различных стадий заболевания, которые не видны невооруженным глазом.
«Предварительные результаты исследования указывают на то, что анализ видеоданных может способствовать повышению точности диагностики болезни Паркинсона. Наша цель – получить второе мнение, которое ни в коей мере не может полностью заменить мнение врача и клинициста. Кроме того, метод, основанный на использовании видео, является не только неинвазивным и более универсальным по сравнению с инструментальными методами, но и более комфортным для пациентов», − говорится в статье.
«Методы машинного обучения и компьютерного зрения, которые мы использовали в этой работе, уже достаточно хорошо проявили себя в целом ряде медицинских приложений. Им можно смело доверять. Да и диагностические упражнения для пациентов с болезнью Паркинсона прорабатывались неврологами уже достаточно давно. А вот что действительно явилось новизной исследования, так это продемонстрированное нами количественное ранжирование этих упражнений в соответствии с их вкладом в точность и специфичность финальной диагностики. Такой результат мог получиться только в результате слаженной работы команды докторов, математиков и инженеров», − отмечает соавтор статьи доцент Сколтеха Дмитрий Дылов.
В предыдущих исследованиях группа Сомова использовала также носимые датчики. В одной из своих работ по этой проблематике ученые смогли при помощи носимых датчиков определить, какие из упражнений являются наиболее информативными для целей диагностики болезни Паркинсона с использованием машинного обучения.
«Мы проводили исследование в тесном взаимодействии с врачами и другими медицинскими работниками, которые делились с нами своими идеями и опытом. Специалисты из двух, казалось бы, совсем разных областей объединились в своем стремлении помочь людям – наблюдать за этим процессом было очень интересно. К тому же, у нас была возможность следить за процессом на всех его этапах − от разработки методологии до анализа данных с помощью машинного обучения», − добавляет аспирант Сколтеха Екатерина Коваленко.
«Подобная коллаборация между врачами и учеными по анализу данных позволяет учесть многие важные клинические нюансы и детали, которые приводят к наилучшей реализации проекта. Мы как врачи видим в этом огромные перспективы и помощь; помимо дифференциальной диагностики, нам необходимы инструменты для объективизации колебаний двигательных состояний у пациентов с болезнью Паркинсона, которые позволят более персонифицированно подходить к подбору терапии, а также принимать решения о необходимости нейрохирургического лечения, а в дальнейшем с помощью систем оценивать и результат операции», − рассказывает соавтор статьи невролог Екатерина Бриль.
По словам Андрея Сомова, следующая задача команды – попытаться повысить точность диагностики болезни Паркинсона и определения стадий заболевания за счет объединения данных видеоанализа и показаний датчиков. «Мы не должны забывать и об инновационной составляющей нашей работы: по мнению нашей команды, полученные результаты целесообразно реализовать в виде интуитивно понятного программного продукта. Мы считаем, что результаты наших совместных исследований позволят повысить точность диагностики болезни Паркинсона и изучить развитие болезни с точки зрения анализа данных – наша команда продолжает планировать и готовиться к новым пилотным исследованиям», − добавил он.