Новый метод анализа снимков сетчатки глаза, который позволяет просто и недорого диагностировать неврологические расстройства (СДВГ, расстройства аутистического спектра, болезнь Паркинсона), разработали ученые УрФУ в составе международного научного коллектива. По их данным, внедрение нового метода поможет ускорить диагностику и снизить нагрузку на врачей. Результаты исследования опубликованы в журнале Bioengineering. Исследователи центра "Искусственный интеллект" Уральского федерального университета имени первого Президента России Б.Н. Ельцина (УрФУ) создали новый метод анализа снимков электроретинограммы — неинвазивного функционального теста сетчатки глаза. Метод основан на технологиях искусственного интеллекта. "Мы разработали алгоритм на основе методов классификации временных рядов, который анализирует сигналы световой электроретинограммы. Оказалось, что по этим сигналам можно выявлять не только патологии зрения, но и признаки нарушений нейроразвития, таких как аутизм или СДВГ, а также нейродегенеративных заболеваний вроде болезни Паркинсона. Важно, что наш подход не ограничивается простым "да/нет" — алгоритм с помощью технологии explainable AI позволяет анализировать конкретные участки сигнала", — рассказал доцент центра "Искусственный интеллект" УрФУ Василий Борисов. По его словам, такой подход позволяет врачу понять логику работы модели, обратить внимание на значимые фрагменты кривой и принять решение о необходимости дальнейшего обследования. Таким образом искусственный интеллект не заменяет специалиста, а предоставляет ему инструмент для принятия более точного решения. Алгоритм отработан на базе данных реальных людей, с заболеваниями и без, которую собрала международная группа ученых под руководством профессора Университета Флиндерса (Австралия) Пола Констебля. На основе этих данных специалисты обучили четыре метода, а затем использовали специальную библиотеку SHAP (в основе нее лежит теория игр для определения вклада каждой функции в предсказания модели), позволяющую объяснить предсказания алгоритмов машинного обучения и выявить лучший подход в постановке диагноза. "Это не первая попытка построения систем поддержки принятия врачебных решений на основе сигналов электроретинограмм, но обычно ученые используют нейронные сети, которые вычислительно более сложные, требуют гораздо больше данных. Наши алгоритмы вычислительно проще, работают быстрее, и у них меньше требований к железу. По сути, они помогут врачам достаточно дешевым и простым способом, но при этом с хорошей точностью предварительно проверять и определять вероятность заболеваний", — рассказал доцент центра "Искусственный интеллект" УрФУ Михаил Ронкин. В планах исследователей — доработать алгоритмы для распознавания таких заболеваний сетчатки, как врожденная куриная слепота, глаукома, а также других нейродегенеративных расстройств.