Пять лет назад мы писали о попытке исследователей из Бристольского университета диагностировать болезнь Альцгеймера по походке пациентов. Теперь российские ученые научились по походке выявлять болезнь Альцгеймера у грызунов с помощью искусственного интеллекта Предложенный метод в перспективе может использоваться в качестве дополнительного инструмента для диагностики нейродегенеративных заболеваний. Результаты исследования опубликованы в журнале Frontiers in Neuroinformatics.
По данным Всемирной организации здравоохранения, в мире более 50 млн человек страдают старческой деменцией, из них две трети приходится на болезнь Альцгеймера (заболевание характеризуется потерей памяти, в первую очередь краткосрочной). В России этим недугом страдает около 1 млн человек. При этом выявить болезнь Альцгеймера на ранних стадиях проблематично, поскольку в организме человека действует множество компенсаторных механизмов, предотвращающих нарушение поведения.
Однако существует целый ряд факторов, который косвенно может свидетельствовать о появлении нейродегенеративных заболеваний.
Одни из них характеризуется постепенными нарушениями походки и осанки. Подобные изменения часто могут быть практически незаметны для глаза врача, либо их определение является трудоемкой и утомительной задачей, решение которой зависит от субъективного мнения специалиста. Соответственно, возрастает вероятность ошибочного или запоздалого диагноза.
«Мы предложили подход для анализа поведения животных на видеозаписях, позволяющий оперативно выявлять различные нарушения походки, которые характерны для нейродегенеративных заболеваний. Эксперименты на мышах показали высокую эффективность предложенной методики», – рассказывает профессор кафедры радиотехнических систем СПбГЭТУ «ЛЭТИ» Михаил Богачев.
Исследования проводились на лабораторных мышах с моделью болезни Альцгеймера. В своем исследовании для распознавания движений грызунов ученые применили методы анализа потокового видео на основе технологий глубокого машинного обучения – эти инструменты появились в последнее десятилетие, они являются значительно более точными по сравнению с традиционными подходами компьютерного зрения. Для сбора информации о движении грызунов съемка проводилась снизу. Поэтому для экспериментов был оборудован специальный бокс с прозрачным полом.
На основе собранного материала (всего 23 видеозаписи) ученые проанализировали траектории движения животных и даже их отдельных частей (морда, лапы, хвост и прочего.). Затем они оценили характеристики траекторий движения объектов. Для этого они использовали широко распространенные в статистической физике методы описания движения частиц, в частности, при описании процессов, происходящих во время диффузии различных веществ.
Благодаря применению данных методов была создана математическая модель, которая позволяет оперативно и детально реконструировать траекторию движения грызунов, а затем с ее помощью выявлять практически незаметные поведенческие отклонения от нормы, которые могут свидетельством проявления симптомов болезни Альцгеймера.
«Предложенный метод автоматизированного анализа движения может использоваться в биологии в качестве рабочего инструмента для оперативного выявления различных нарушений походки и поведенческих аспектов у животных. Мы также считаем, что в перспективе предложенные математические модели благодаря своей универсальности могут использоваться, как дополнительный инструмент для диагностики нейродегенеративных заболеваний у человека», – поясняет Михаил Богачев.
В состав научной группы, помимо сотрудников ЛЭТИ, вошли ученые из Казанского (Приволжского) федерального университета, Института органической и физической химии им. А. Е. Арбузова и Казанского государственного медицинского университета. Исследование выполнено в рамках госзадания (№ FSEE-2020-0002).
Текст: ЛЭТИ
Bogachev, M., Sinitca, A., Grigarevichius, K., Pyko, N., Lyanova, A., Tsygankova, M., Davletshin, E., Petrov, K., Ageeva, T., Pyko, S., Kaplun, D., Kayumov, A., & Mukhamedshina, Y. (2023). Video-based marker-free tracking and multi-scale analysis of mouse locomotor activity and behavioral aspects in an open field arena: A perspective approach to the quantification of complex gait disturbances associated with Alzheimer’s disease. Frontiers in Neuroinformatics, 17. https://doi.org/10.3389/fninf.2023.1101112