Объединённые команды Кувейтского колледжа науки и Петрозаводского государственного университета создали особый алгоритм машинного обучения, который умеет использовать данные электроэнцефалограммы (ЭЭГ) для диагностики болезни Паркинсона. Диагностировать это заболевание обычно довольно тяжело, поскольку на ранних стадиях симптомы неочевидны, однако алгоритм использует электрические сигналы мозга для точной постановки диагноза.
Для обучения алгоритма исследователи записали данные двадцати здоровых человек и двадцати пациентов с болезнью Паркинсона. Сперва система отсекла ненужные низкочастотные сигналы и высокочастотные шумы, которые не нужны для диагностики. А оставшиеся диапазоны частот алгоритм использовал, чтобы определить аномальные сигналы на ЭЭГ.
На основе этих данных модель выявила 11 признаков, которые позволяют диагностировать болезнь Паркинсона с феноменальной точностью 99,9%. Как выяснилось, основные признаки болезни связаны с медленными тета- и дельта-ритмами мозга, которые обычно наблюдаются в состоянии покоя. Однако при болезни Паркинсона эти ритмы выражены даже в активном состоянии человека, поэтому они довольно точно указывают на развитие заболевания.
Более того, авторы алгоритма подчёркивают, что их модель машинного обучения способна вычислить болезнь с минимальными вычислительными затратами, а использование 11 признаков позволяет поставить диагноз за сотые доли секунды. Благодаря такой вычислительной мощности программа может быть использована даже в повседневной жизни, — например, в карманных гаджетах, — и отслеживать состояние здоровья человека каждый день.