Ekscytujące wyniki badawcze opublikowane w czasopiśmie Intelligent Computing rzucają nowe światło na sposób diagnozowania choroby Parkinsona. Międzynarodowy zespół badaczy z Uniwersytetu Canberra oraz Kuwait College of Science and Technology osiągnął przełom w wykrywaniu tej wyniszczającej choroby poprzez analizowanie reakcji mózgu na emocjonalne sytuacje, takie jak oglądanie filmów i obrazów. Nowa metoda wykorzystuje elektroencefalografię (EEG) i analizę obliczeniową, pozwalając na niemal perfekcyjną dokładność diagnostyczną. Wprowadzenie tego procesu do praktyki klinicznej mogłoby znacznie poprawić jakość życia pacjentów oraz skuteczność terapii.
Koncepcja badania opiera się na różnicach w sposobie, w jaki osoby z chorobą Parkinsona oraz zdrowi uczestnicy przetwarzają emocje. Udowodniono, że pacjenci ze schorzeniem mają trudności w rozpoznawaniu niektórych emocji, takich jak strach, wstręt czy zaskoczenie. Często także mylą emocje o przeciwstawnych wartościach, na przykład smutek z radością. Co ciekawe, lepiej rozumieją siłę emocji (pobudzenie emocjonalne) niż ich ocenę wartościującą (przyjemność lub nieprzyjemność). Wyniki badania pozwoliły na identyfikację pacjentów z chorobą Parkinsona oraz zdrowych uczestników z wynikiem F1 wynoszącym 0,97 lub wyższym, co jest niemal równoznaczne z pełną dokładnością.
Kluczowym elementem badania była rejestracja aktywności mózgu za pomocą EEG u 20 pacjentów z chorobą Parkinsona oraz 20 zdrowych uczestników. Wszyscy oglądali materiały wizualne projektowane w sposób mający wywoływać różnorodne emocje. Dane EEG zostały następnie dokładnie przetworzone, a za pomocą algorytmów uczenia maszynowego, takich jak konwolucyjne sieci neuronowe (CNN), analizowano wzorce zachowań emocjonalnych. Dzięki tej nowatorskiej metodzie udało się jasno odróżnić grupę pacjentów od grupy kontrolnej. To podejście pozwala dostrzec subtelne różnice w funkcjonowaniu mózgu, które wcześniej mogłyby być pomijane w tradycyjnej diagnostyce.
Podczas obróbki danych EEG zastosowano wiele zaawansowanych technik, w tym wektory mocy spektralnej i wzorce przestrzenne. Wektory mocy spektralnej pomagają uchwycić rozkład mocy w różnych zakresach częstotliwości, co pozwala analizować emocjonalne stany uczestników. Z kolei wzorce przestrzenne (ang. common spatial patterns) maksymalizują różnice w danych między klasami, dzięki czemu poprawiono klasyfikację sygnałów EEG. Takie podejście pozwala nie tylko na bardziej precyzyjną diagnozę, ale również otwiera nowe ścieżki w analizowaniu stanu neurologicznego pacjentów.
Dzięki nieustannemu rozwojowi technik opartej na EEG oraz integracji neurotechnologii, sztucznej inteligencji i afektywnego przetwarzania danych, diagnostyka choroby Parkinsona może stać się bardziej obiektywna i dostępna na szeroką skalę. Wyniki tego badania wskazują na ogromny potencjał wykorzystania zaawansowanych technologii w ocenie zdrowia neurologicznego. Co więcej, takie podejście mogłoby zastąpić subiektywne oceny diagnostyczne, które obecnie opierają się głównie na obserwacji klinicznej i relacjach pacjentów, znacznie podnosząc skuteczność wykrywania chorób neurodegeneracyjnych.
Ta innowacyjna metoda diagnostyczna może mieć dalekosiężne skutki. Wprowadzenie jej w praktykę kliniczną mogłoby nie tylko przyspieszyć czas postawienia diagnozy, ale także znacząco poprawić wyniki leczenia poprzez wcześniejsze wykrycie schorzenia. Badacze z Canberra i Kuwejtu udowadniają, że współczesna technologia stanowi potężne narzędzie w walce z chorobami neurologicznymi, dając nadzieję na lepszą przyszłość dla pacjentów na całym świecie.
