Лучшее прогнозирование эпилептических припадков за счет адаптивного подхода к обучению

Исследование, проведенное Шоуи Ван, доцентом кафедры проектирования промышленных и производственных систем, было посвящено статье «Онлайн-прогнозирование изъятий с использованием подхода адаптивного обучения» в IEEE Transactions on Knowledge and Data Engineering.Модель Ванга анализирует электроэнцефалографию, или ЭЭГ, показания человека, чтобы предсказать будущие приступы.

По его словам, раннее предупреждение может побудить пациента использовать лекарства для борьбы с приближающимся приступом.«Проблема с прогнозированием приступов состоит в том, что все эпилептики индивидуальны. Некоторые пациенты страдают по несколько приступов в день.

У других не будет припадков несколько лет», — сказал Ван. «Но если мы используем показания ЭЭГ для создания персонализированного профиля данных, мы лучше сможем понять, что происходит с этим человеком».Эпилепсия — одно из самых распространенных неврологических расстройств, характеризующихся повторяющимися приступами. По данным Национального фонда эпилепсии, эпилепсией и припадками страдают почти 3 миллиона американцев, а прямые и косвенные затраты оцениваются в 17,6 миллиарда долларов в год.

Ван объединился с Ванпрача Артом Чаовалитвонгсе из Вашингтонского университета и Стивеном Вонгом из Медицинской школы Рутгерса Роберта Вуда Джонсона для исследования.Ван сказал, что первые признаки указывают на то, что новая вычислительная модель может обеспечить точность 70 процентов или лучше и дать горизонт прогноза около 30 минут до того, как произойдет фактическое изъятие.Текущая модель собирает данные через колпачок, встроенный в провода ЭЭГ. Команда Вана работает над созданием менее навязчивого колпачка для ЭЭГ, который будет записывать и передавать показания в ящик для удобной загрузки или передачи данных.

Виктория Чен, профессор и председатель Департамента проектирования промышленных и производственных систем, сказала, что работа Ванга в области биоинформатики дает надежду многим людям, страдающим эпилепсией.«Эту вычислительную модель можно использовать для прогнозирования других опасных для жизни эпизодов заболеваний», — сказал Чен.Ван сказал, что его модель основана на адаптивной структуре обучения и способна достигать все более и более точного прогнозирования для каждого отдельного пациента путем сбора все более и более персонализированных медицинских данных.

«Как общество, мы действительно хорошо умеем смотреть на картину в целом», — сказал Ван. «Мы можем сказать вам вероятность сердечного приступа, если вы старше определенного возраста, имеете определенный вес и курите. Но мы только начали персонализировать эти данные для разных людей».


Оставьте комментарий

Ваш адрес email не будет опубликован.