Ідея діагностувати неврологічне захворювання за тим, як людина малює спіраль, звучить надто просто для серйозної медицини. Але саме простота тесту — його головна цінність. Група індійських дослідників під керівництвом фахівця з обчислювальних систем Ішана Аюса з Університету Siksha ‘O’ Anusandhan побудувала алгоритм, який за малюнками та рухами руки визначає ознаки хвороби Паркінсона з точністю, що перевищує показники попередніх подібних систем.
В основі роботи — дані бразильського дослідження за участю шістдесяти шести людей: тридцять один пацієнт із підтвердженим діагнозом і тридцять п’ять здорових учасників контрольної групи. Кожен малював дві фігури — спіраль і меандр із кутуватими безперервними лініями. Саме ці форми традиційно використовують у неврології для оцінки моторики рук, адже вони вимагають плавного, контрольованого руху зап’ястя.
Чому малюнок видає хворобу
Хвороба Паркінсона руйнує групи нейронів, які відповідають за плавність і точність довільних рухів. Клінічно це виявляється тремором у стані спокою, скутістю м’язів і уповільненням рухів. Дрібна моторика — саме та функція, яку задіює рука під час письма чи малювання, — страждає одним із перших і найпомітніших способів. У здорових людей лінії спіралі й меандру виходять рівними та впевненими. У пацієнтів контур стає нерівним, тремтячим, з характерними розривами й коливаннями натиску — це видно навіть неозброєним оком на порівняльних зображеннях, отриманих у дослідженні.
Ключова відмінність нової розробки в тому, що вона не обмежується аналізом готового зображення на папері. Учасники малювали спеціальною біометричною смарт-ручкою, яка одночасно фіксувала приховані параметри руху — швидкість переміщення і силу натискання в кожен момент часу. Тремор і порушення координації часто проявляються саме в цих динамічних характеристиках раніше, ніж стають помітними у формі лінії.
Як влаштована система розпізнавання
Зображення малюнків і показники датчиків ручки окремо оброблялися кількома моделями глибокого машинного навчання. Одні моделі аналізували просторові спотворення візерунка, інші — тонкі відхилення в координації руху, недоступні для візуальної оцінки. Фінальне рішення ухвалював алгоритм під назвою SNAKE, який зважував оцінки всіх окремих моделей і видавав узагальнений висновок — здорова людина чи пацієнт із хворобою Паркінсона.
Результат такого комбінованого підходу дослідники описують так:
- точність розпізнавання меандрів — 98,95 відсотка;
- точність розпізнавання спіралей — 97,74 відсотка;
- система перевершила попередні алгоритми, що аналізували лише один тип даних — або тільки зображення, або тільки сигнали ручки.
Логіка такого приросту точності зрозуміла: візуальне спотворення лінії й аномалії динаміки руху — це два незалежні джерела інформації про той самий фізіологічний процес. Коли система бачить збіг обох сигналів, ймовірність помилки суттєво падає.
Наскільки можна довіряти цим цифрам
Тут варто зупинитися на статистичній стороні питання. Вибірка з шістдесяти шести осіб — це рівень пілотного дослідження, а не масштабного клінічного випробування. Самі автори відкрито визнають це обмеження: такий обсяг даних не здатен відобразити всю різноманітність проявів хвороби Паркінсона в популяції — різні стадії, вік, супутні захворювання, індивідуальні особливості моторики. Висока заявлена точність у 97–99 відсотків отримана на конкретному, невеликому та вже відомому наборі даних, і це типова ситуація для ранніх досліджень у сфері медичного машинного навчання: результати на малій вибірці майже завжди виглядають кращими, ніж покажуть подальші перевірки на незалежних групах пацієнтів.
Це не знецінює саму ідею. Аналіз малюнка як біомаркер моторних порушень — підхід, що спирається на добре відому клінічну закономірність: порушення дрібної моторики є одним із ранніх і об’єктивно вимірюваних проявів хвороби Паркінсона. Метод привабливий тим, що він неінвазивний, дешевий у реалізації і потенційно може використовуватися дистанційно, без складного обладнання. Але перетворення такого прототипу на діагностичний інструмент вимагає перевірки на набагато більших і різноманітніших групах пацієнтів, порівняння з визнаними клінічними шкалами оцінки хвороби Паркінсона та незалежного відтворення результатів іншими науковими командами.
Автори самі формулюють це обережно: наразі йдеться про демонстрацію потенціалу технології, а не про готовий медичний протокол. Наступний логічний крок — масштабніші клінічні випробування, які покажуть, чи витримає точність розпізнавання перевірку на реальній різноманітності клінічних випадків.
