Tekoäly auttaa Parkinsonin ja Alzheimerin tautien havaitsemisessa
Aivoaaltotallenteiden analysointi tekoälyn avulla auttaa Parkinsonin ja Alzheimerin tautien havaitsemisessa, todetaan tuoreessa väitöksessä.
Aivosähkökäyrätutkimukset ja niistä tehtävä tekoälyanalyysi voivat auttaa Parkinsonin ja Alzheimerin tautien varhaisemmassa ja tehokkaammassa havaitsemisessa, osoittaa Mingliang Zhangin Jyväskylän yliopistossa tekemä väitöstutkimus.
Hermostoa rappeuttavat sairaudet, kuten Parkinsonin tauti ja Alzheimerin tauti, yleistyvät väestön ikääntyessä. Näiden tautien diagnoosi perustuu usein erikoistuneisiin kuvantamismenetelmiin ja kliinisiin arvioihin, jotka ovat kalliita, hitaita ja tehdään yleensä vasta, kun oireet ovat selvästi havaittavissa.
Rutiininomainen EEG-tutkimus yhdistettynä tekoälyyn voi tarjota nopeita ja edullisia seulontavälineitä ja tasoittaa tietä yksilöllisemmälle hoidolle ja paremmille hoitotuloksille.
EEG on edullinen ja yleisesti saatavilla oleva menetelmä, mutta sen signaalit ovat usein kohinaisia ja vaihtelevat henkilöstä toiseen, mikä on rajoittanut sen käyttöä päivittäisessä kliinisessä työssä.
”Tutkimus tarkasteli, miten EEG-signaalidataa voidaan muuntaa pienemmiksi kuvaajiksi, jotka havainnollistavat aivojen toiminnan muuttumista ajan kuluessa pään eri alueilla. Tutkimuksessa keskityn kouluttamaan kevyitä neuroverkkoja tunnistamaan Parkinsonin taudille, Alzheimerin taudille ja toisaalta terveelle aivotoiminnalle tyypillisiä piirteitä EEG-signaalidatasta”, Zhang kertoo.
Kehyksen avulla Zhang on kehittänyt nopean seulontamenetelmän Parkinsonin taudin havaitsemiseksi lepotilan EEG-mittausten perusteella. Zhangin mukaan menetelmä pystyy luotettavasti tunnistamaan Parkinsonin tautia tai Alzheimerin tautia sairastavat potilaat.
Zhang myös selvitti tapoja, joilla sairaalat voisivat tehdä yhteistyötä siirtämättä arkaluonteisia potilastietoja. Hän käytti menetelmää, jossa eri sairaalat kouluttivat oman mallinsa omilla EEG-tiedoillaan.
"Näin sairaalat voivat hyötyä suuremmista yhdistetyistä tietojoukoista samalla, kun potilaiden yksityisyyttä ja tiukkoja tietosuojasääntöjä kunnioitetaan", Zhang kertoo.
”Tällaiset työkalut voisivat täydentää olemassa olevia kliinisiä arviointeja, tukea taudin varhaisempaa tunnistamista ja mahdollistaa yksilöllisemmän seurannan, mikä lopulta tukisi parempia hoitotuloksia ja potilaiden elämänlaatua”, Zhang tiivistää.
Mingliang Zhang: Time-Frequency Deep Learning with EEG for Neurodegenerative Disease Detection. University of Jyväskylä 2025.
