Ученые разработали и обучили одномерную сверточную нейронную сеть с использованием радиомических характеристик, предназначенную для классификации данных. Для генерации понятных врачам ответов была использована мультимодальная модель GPT-4o mini. Для интерпретации и обоснования диагноза задействованы методы объяснимого ИИ.
В исследовании ученые использовали ресурсы Инициативы маркеров болезни Паркинсона, направленной на выявление оптимальных для ранней диагностики биомаркеров. Данные основывались на МРТ-сканировании 150 участников, из которых 55 имели болезнь Паркинсона, 45 находились в продромальном периоде и 50 человек были здоровы. Также оценивалась дофаминергическая активность в полосатом теле мозга для оценки симптомов и отслеживания прогрессирования болезни Паркинсона. Для выявления основных нейрохимических изменений в исследование были включены четыре важных биомаркера спинномозговой жидкости – α-синуклеин (α-syn), бета-амилоид (Aβ1−42), тау-белок (tTau) и фосфорилированный тау-181 (pTau181). В качестве клинических данных были включены настроение, поведение, речь, глотание, почерк, ригидность, тремор, брадикинезия, походка.
Мультимодальная модель, по словам разработчиков, призвана помочь как пациентам, так и врачам, потому что она предлагает обоснованные рекомендации для лечения и определения тяжести болезни Паркинсона. Она обрабатывает сканы и сегментированные изображения МРТ и предоставляет подробные отчеты с показателями активности подкорковых структур мозга и возможными аномалиями. Ее настройка и обучение включали всесторонний обзор медицинской литературы и научных статей, данные из Расширенной библиотеки подсказок по болезни Паркинсона. В целях быстрого поиска и организации информации был использован инструмент ScaleXI. Модель может анализировать разные входные данные (текст, изображение, аудио) и выдавать персонализированные ответы в режиме реального времени, а также распознавать нерелевантные вопросы, не связанные с болезнью Паркинсона.
Веб-платформа ученых сначала собирает основные данные о пациенте, затем формирует изображение сегментированной подкорковой области, после чего мультимодальная модель создает описание изображения. С помощью интеграции клинических данных и анализа изображений в отчете отображается анализ прогнозирования белков. Модель ИИ также предлагает лабораторные исследования на основе индивидуальных данных о состоянии здоровья пациента и предоставляет рекомендации по лечению, включая лекарственные препараты и физическую активность.
В июне 2025 года ученые из университета Ёнсе (Южная Корея) провели исследование о прогнозировании смертности пациентов с болезнью Паркинсона с помощью объяснимого искусственного интеллекта, способного описать свои действия и решения. В результате с помощью семи алгоритмов машинного обучения ИИ выделил наиболее значимые характеристики для прогнозирования.
