Нове дослідження дослідників з Університету Південної Дакоти та Орегонського університету здоров'я та науки демонструє, що навчання моделей машинного навчання на даних електроенцефалографії (ЕЕГ) з різних популяцій значно підвищує надійність виявлення хвороби Паркінсона. Робота, опублікована на arXiv, встановлює основу для створення біомаркерів ЕЕГ, які працюють у різних клінічних умовах.
Дослідження
Ніколас Расмуссен та його колеги проаналізували записи ЕЕГ з п'яти незалежних когорт людей з хворобою Паркінсона та здорових контролів. Замість того, щоб вважати дані з різних лікарень або пристроїв запису взаємозамінними, команда систематично перевірила всі можливі комбінації навчання на різних популяціях — загалом 75 спрямованих оцінок. Їхній «популяційно-свідомий» підхід використовував стратегію розширення n-грам, щоб гарантувати, що жодні специфічні для популяції артефакти не вплинули на результати.
Коли моделі навчалися на даних однієї когорти та тестувалися на іншій, точність часто значно падала. Однак навчання на кількох різноманітних когортах дало набагато більш надійні моделі. Найкраща модель досягла точності 94,1% на відкладених когортах, а стабільність відібраних біомаркерів ЕЕГ покращувалася зі збільшенням різноманітності тренувальних популяцій. Теоретичний аналіз на основі оптимізації ризику суміші та скорочення простору гіпотез пояснив чому: навчання на багатьох популяціях змушує модель вивчати релевантні хворобі нейронні патерни, а не специфічний для конкретного місця шум.
Вкладений дизайн перехресної валідації з інтегрованим відбором каналів гарантував, що ідентифікація біомаркерів була перспективною і не забрудненою витоком популяції — поширеною помилкою в попередніх дослідженнях.
Чому це важливо
Хвороба Паркінсона вражає понад 10 мільйонів людей у всьому світі, і рання точна діагностика залишається складним завданням. ЕЕГ є неінвазивним недорогим інструментом, але її клінічне застосування було обмежене непостійними результатами в різних клініках. Це дослідження пропонує принциповий метод для розробки біомаркерів на основі ЕЕГ, які дійсно узагальнюються. Для звичайної людини це означає, що майбутні діагностичні інструменти можуть бути більш надійними незалежно від того, де і як проводиться ЕЕГ, зменшуючи хибнопозитивні результати та пропущені діагнози.
Що ви можете зробити
Хоча ви не можете безпосередньо застосувати це дослідження, ви можете підтримувати когнітивне здоров'я за допомогою регулярного тренування мозку та інформування про доказову діагностику. Якщо вам цікавий ваш власний когнітивний базовий рівень, розгляньте можливість пройти науково обґрунтований тест IQ.
Джерело: arXiv q-bio.NC
Цікавитеся власним мозком? Пройдіть наш безкоштовний адаптивний IQ-тест або спробуйте 306 рівнів тренування мозку.
