Машинное обучение и клинические данные ЭЭГ по множественным склерозам: систематический обзор.

Множественный склероз (MS) — хроническое нервно-воспалительное заболевание центральной нервной системы (CNS), в котором иммунная система тела атакует и уничтожает милиновую оболочку, защищающую нервные волокна, что приводит к широкому спектру изнурительных симптомов и нарушает передачу аксонового сигнала. Точное прогнозирование, диагностика, мониторинг и лечение (PDMT) MS имеют важное значение для улучшения исхода пациента. Последние достижения в области нейроимации, в частности в области электроэнцефалографии (ЭЭГ), в сочетании с методами машинного обучения (ML), включая модели глубокого обучения (DL), открывают многообещающие возможности для совершенствования управления НР. В настоящем систематическом обзоре обобщаются результаты существующих исследований по применению моделей ML и DL к данным ЭЭГ по НР. В нем рассматриваются используемые методологии с уделением особого внимания таким архитектурам DL, как нервно-коммунальные сети (СНК) и гибридные модели, и освещаются последние достижения в области методов ML и технологии ЭЭГ, которые значительно улучшили диагностику и мониторинг НР. В обзоре рассматриваются проблемы и потенциальные отклонения в использовании анализа ЭЭГ на основе ML для НР. Обсуждаются стратегии смягчения этих проблем, включая передовые методы предварительной обработки, различные комплекты учебных материалов, методы перекрестной проверки и объяснимую искусственную разведку (ИИ). И наконец, в документе излагаются потенциальные будущие виды применения и тенденции в области ML для управления НР. В настоящем обзоре подчеркивается преобразующий потенциал усовершенствованного анализа ЭЭГ на основе МL в плане совершенствования управления НР, что позволяет получить представление о будущих направлениях исследований в целях преодоления существующих ограничений и дальнейшего совершенствования клинической практики.