Ошибки в классификации сна, созданные с помощью ИИ, могут привести к неправильной диагностике нарушений сна у детей

Прочитано: 253 раз(а)


Недостаток педиатрических данных, собранных с помощью инструментов искусственного интеллекта (ИИ), может поставить под угрозу понимание моделей раннего сна.

«Стадии сна в первую очередь определяются путем анализа мозговых волн во время сна, который традиционно выполняется вручную (или полуавтоматически)», — сказал доцент Университета Аделаиды Матиас Баумерт из Школы электротехники и машиностроения.

«Был большой толчок к автоматизации этого трудоемкого и дорогостоящего процесса с использованием глубокого обучения — метода искусственного интеллекта, который учит компьютеры обрабатывать данные способом, вдохновленным человеческим мозгом .

«Мы обнаружили доказательства того, что ошибки в классификации сна, созданные с помощью ИИ, могут привести к неправильной диагностике нарушений сна, особенно у детей».

Нервные импульсы в мозгу вызывают электрическую активность. Электроэнцефалограмма (ЭЭГ) регистрирует электрическую активность мозга на коже головы человека. Собранные за ночь, они предоставляют входные данные для систем глубокого обучения.

«Системам глубокого обучения нужны большие базы данных ЭЭГ, чтобы изучать паттерны мозговых волн, связанные с различными стадиями сна, и получать надежные результаты», — сказал доцент Баумерт.

«Однако большинство доступных баз данных ЭЭГ сна содержат данные только о взрослых, и поэтому системы, разработанные на основе этих баз данных, похоже, имеют проблемы при работе со сном детей, потому что они никогда не «видели» и «не изучали» его. Это означает нарушения сна у детей. могут быть неправильно диагностированы из-за использования наборов данных, ориентированных на взрослых».

Исследование было опубликовано в журнале Sleep Medicine.

Связь между проблемами сна, когнитивным развитием и психическим здоровьем давно изучена и признана. Раннее выявление проблем со сном, особенно у молодых людей , жизненно важно для максимизации эффективности соответствующего лечения.

Как правило, сон включает сон с быстрыми движениями глаз (REM) и сон с небыстрыми движениями глаз (NREM). NREM подразделяется на три этапа (N1, N2, N3). До введения методов ИИ для классификации паттернов сна технический специалист изучал ночную ЭЭГ по 30 секунд за раз и назначал ей одну из стадий сна.

«Сон следует типичному циклическому образцу стадий сна, которые составляют «архитектуру сна» и могут быть видны на гипнограмме — графике, который представляет стадии сна во времени», — сказал доцент Баумерт.

«Врачи рассматривают несколько показателей из гипнограмм, таких как задержка начала сна, эффективность сна, время, проведенное в каждой из стадий сна, и время, проведенное бодрствующим после начала сна, чтобы помочь им диагностировать нарушения сна».

На ЭЭГ взрослых системы ИИ правильно определяют стадии сна примерно в девяти случаях из десяти — наравне с экспертами-людьми. Аналогичные результаты могут быть достигнуты для детей, если педиатрические данные будут включены в процесс глубокого обучения.

Доктор Хай Фан из Института Алана Тьюринга, Великобритания, который был соавтором исследования, сказал, что необходимы улучшения в системах искусственного интеллекта, чтобы избежать предвзятого отношения к группам населения и обеспечить точные диагнозы для всех пациентов.

«Даже при обучении на педиатрических данных современные системы ИИ не работают одинаково хорошо у всех пациентов. Хотя точность классификации стадий сна кажется достаточной при рассмотрении баз данных ЭЭГ в целом, ошибки в показателях сна отдельных пациентов могут быть значительными , что неприемлемо для любой диагностической цели».

«Эффективные стратегии необходимы, чтобы избежать предвзятости в процессе обучения, а также для выявления необычного поведения систем ИИ и снижения риска ошибочных диагнозов».

Ошибки в классификации сна, созданные с помощью ИИ, могут привести к неправильной диагностике нарушений сна у детей



Новости партнеров