Новое исследование ученых из Университета Южной Дакоты и Орегонского университета здоровья и науки демонстрирует, что обучение моделей машинного обучения на данных электроэнцефалографии (ЭЭГ) от разных популяций значительно повышает надежность выявления болезни Паркинсона. Работа, опубликованная на arXiv, предлагает подход к созданию биомаркеров ЭЭГ, которые работают в разных клинических условиях.
Исследование
Николас Расмуссен и его коллеги проанализировали записи ЭЭГ из пяти независимых когорт людей с болезнью Паркинсона и здоровых контролей. Вместо того чтобы считать данные из разных больниц или записывающих устройств взаимозаменяемыми, команда систематически проверила все возможные комбинации обучения на разных популяциях — всего 75 направленных оценок. Их «популяционно-осознанный» подход использовал стратегию расширения n-грамм, чтобы исключить влияние специфических для популяции артефактов.
Когда модели обучались на данных одной когорты и тестировались на другой, точность часто значительно падала. Однако обучение на нескольких разнообразных когортах давало гораздо более устойчивые модели. Лучшая модель достигла точности 94,1% на отложенных когортах, а стабильность выбранных биомаркеров ЭЭГ возрастала с увеличением разнообразия обучающей популяции. Теоретический анализ, основанный на оптимизации смешанного риска и сжатии пространства гипотез, объяснил причину: обучение на нескольких популяциях заставляет модель изучать значимые для заболевания нейронные паттерны, а не шум, специфичный для конкретного центра.
Дизайн с вложенной кросс-валидацией и интегрированным отбором каналов гарантировал, что идентификация биомаркеров была проспективной и не загрязнена утечкой данных между популяциями — распространенная ошибка в предыдущих исследованиях.
Почему это важно
Болезнь Паркинсона поражает более 10 миллионов человек во всем мире, и ранняя точная диагностика остается сложной задачей. ЭЭГ — это неинвазивный и недорогой инструмент, но его клиническое применение ограничено из-за нестабильных результатов в разных клиниках. Это исследование предлагает обоснованный метод разработки биомаркеров на основе ЭЭГ, которые действительно обобщаются. Для обычного человека это означает, что будущие диагностические инструменты могут быть более надежными независимо от того, где и как была проведена ЭЭГ, что снизит количество ложноположительных результатов и пропущенных диагнозов.
Что вы можете сделать
Хотя вы не можете напрямую применить это исследование, вы можете поддерживать когнитивное здоровье с помощью регулярных тренировок мозга и следить за доказательной диагностикой. Если вам интересно узнать свой когнитивный базовый уровень, попробуйте пройти научно обоснованный тест IQ.
Источник: arXiv q-bio.NC
Интересует ваш собственный мозг? Пройдите наш бесплатный адаптивный тест IQ или попробуйте 306 уровней тренировки мозга.
