Исследователи из Института когнитивных нейронаук разработали новый метод диагностики болезни Паркинсона, основанный на анализе реакций мозга на эмоциональные стимулы. Для этого использовались электроэнцефалография (ЭЭГ) и искусственный интеллект.
В ходе исследования было выявлено, что пациенты с болезнью Паркинсона по-разному обрабатывают эмоции. Им сложно распознавать страх, отвращение и удивление. Кроме того, они больше сосредотачиваются на эмоциональной интенсивности, а не на валентности.
Анализ данных ЭЭГ от 20 пациентов и 20 здоровых людей из контрольной группы показал, что оценка точности диагностики F1 составила 0,97.
Этот прорыв предлагает неинвазивный, объективный метод диагностики, который может революционизировать раннее выявление и лечение болезни Паркинсона. Исследование было опубликовано 17 октября в журнале Intelligent Computing. В статье под названием «Изучение аффективного анализа на основе электроэнцефалографии и выявления болезни Паркинсона» авторы подробно описывают результаты своей работы.
Анализ эмоционального мозга фокусируется на разнице в неявных эмоциональных реакциях между пациентами с болезнью Паркинсона и здоровыми людьми. Команда продемонстрировала, что может идентифицировать пациентов и здоровых людей с показателем F1 0,97 или выше, основываясь исключительно на показаниях сканирования мозга и эмоциональных реакциях.
Результаты показывают, что пациенты с болезнью Паркинсона демонстрируют определённые модели эмоционального восприятия. Они лучше понимают эмоциональное возбуждение, чем эмоциональную валентность. Это означает, что больше настроены на интенсивность эмоций, а не на их приятность или неприятность.
Также было обнаружено, что пациентам больше всего трудно распознавать страх, отвращение и удивление. Они могут путать эмоции противоположной валентности. Например, ошибочно принимать печаль за счастье.
Для анализа данных ЭЭГ были использованы различные методы. В частности, были обработаны несколько дескрипторов ЭЭГ. Это позволило извлечь ключевые особенности, которые были преобразованы в визуальные представления. Затем эти данные были проанализированы с использованием структур машинного обучения, таких как свёрточные нейронные сети. Это позволило автоматически обнаружить различные закономерности в том, как пациенты обрабатывают эмоции по сравнению со здоровой группой.
Исследование демонстрирует перспективность объединения нейротехнологий, искусственного интеллекта и аффективных вычислений для обеспечения объективной оценки неврологического здоровья.
Литература.
“Exploring Electroencephalography-Based Affective Analysis and Detection of Parkinson’s Disease” by Ramanathan Subramanian et al. Intelligent Computing
