Сегодня методы машинного обучения и искусственного интеллекта (ИИ) становятся незаменимыми инструментами, позволяющими выявлять скрытые закономерности и строить прогностические модели с точностью, которая в ряде задач начинает быть сопоставимой с мнением экспертов. Внедрение этих технологий обещает революционизировать все этапы медицинской помощи – от ранней диагностики и разработки лекарств до прогнозирования исходов и организации здравоохранения [1–3]. Алгоритмы глубокого обучения показали высокую чувствительность и специфичность в таких задачах, как выявление диабетической ретинопатии по изображениям глазного дна [4], дифференциальная диагностика кожных новообразований [5–8], обнаружение злокачественных новообразований на маммограммах [9] и по данным компьютерной томографии легких [10]. Такие ИИ-ассистенты способны повышать точность и скорость диагностики, снижая нагрузку на специалистов.

В настоящее время активно развиваются системы ИИ на базе нейронных сетей [11][12], которые позволяют проводить автоматический анализ электроэнцефалографических (ЭЭГ) обследований, например выделять эпизоды пароксизмальной активности [13][14]. Для обучения нейросетевых алгоритмов требуются большие наборы данных [11][15].

Пример коммерческой реализации ИИ-алгоритма по автоматическому анализу ЭЭГ-обследований – система autoSCORE (Natus, США) (рис. 1) [16][17]. Система позволяет проводить разметку ЭЭГ-обследований по пяти параметрам: норма, фокальная эпилепсия, генерализованная эпилепсия, фокальное замедление и генерализованное замедление. Чтобы создать подобный алгоритм, необходимо иметь обширную базу размеченных ЭЭГ-обследований [12][16][18].

Подобные базы размеченных ЭЭГ-обследований уже существуют в мире, часть из них открыты для общего использования [15–17]. Одним из примеров является открытая база данных грузинских коллег EEGHub.ge (Центр экспериментальной биомедицины Иване Бериташвили, Грузия)1. Другой пример – собранный Temple University Hospital (США) массив данных для выявления эпилептических приступов (англ. The Temple University Hospital Seizure Detection Corpus, TUSZ) [19].

Также для коммерческого применения доступна нормативная база HBIdb (HBImed AG, Швейцария), которая создана швейцарскими исследователями под научным руководством профессора Ю.Д. Кропотова из ФГБУН «Институт мозга человека им. Н.П. Бехтеревой» Российской академии наук (г. Санкт-Петербург). Однако, к сожалению, обследования в подобного рода базах часто имеют неудовлетворительное качество записи, а группировка и разметка данных не позволяет использовать их на практике.

Формирование собственной открытой структурированной базы размеченных ЭЭГ-записей – Открытая База РАзмеченных ЭЭГ Записей (ОБРАЗ) (англ. The Open Base of gRAduated EEG Signals, OBRAS), в основу которой положены отечественные источники, даст возможность решить широкий круг задач, стоящих перед современным здравоохранением в области развития методики ЭЭГ-исследований.

Став достоянием общественности в открытом доступе, такая база с большим набором примеров различных ЭЭГ-паттернов позволит, в частности, ускорить создание разными командами разработчиков ИИ-алгоритмов и программ обучения специалистов. При этом недостаточно просто накопить «сырые» ЭЭГ-записи, нужно их корректно разметить и сгруппировать по различным параметрам. Структурированная база размеченных ЭЭГ-обследований может быть использована для работы по актуальным направлениям, среди которых:

– реализация алгоритмов с применением ИИ для автоматического анализа ЭЭГ-обследований (например, для поиска эпизодов пароксизмальной активности, распознавания паттернов ЭЭГ);

– создание современного электронного общедоступного атласа паттернов ЭЭГ с примерами;

– разработка онлайн-платформы для обучения специалистов по расшифровке ЭЭГ;

– формирование базы нормативных значений параметров ЭЭГ-сигнала по возрастным группам.

Успешное решение указанных задач позволит внести существенный вклад в развитие ЭЭГ-методики в нашей стране, находясь в векторе укрепления суверенитета по направлениям медицины, науки и информационных технологий.

Цель – сформировать «дорожную карту» проекта ОБРАЗ для устранения дефицита качественных аннотированных ЭЭГ-данных, пригодных для разработки и обучения алгоритмов ИИ, создания образовательных программ и цифровых атласов ЭЭГ.

Работы по проекту планируется выполнять в следующей последовательности (поскольку проект длительный, некоторые шаги будут осуществляться параллельно):

– сбор нативных («сырых») данных ЭЭГ-обследований пациентов разного возраста с различными патологиями;

– обезличивание данных (удаление всей персональной информации о пациенте и специалисте, проводившем обследование) для обеспечения соответствия требованиям Федерального закона от 27 июля 2006 г. № 152 «О персональных данных»2 (далее – ФЗ № 152);

– группировка и разметка собранных ЭЭГ-данных;

– публикация собранной и размеченной базы данных в открытом доступе для свободного использования;

– публикация результатов работы в научном журнале с описанием проделанной работы и правил использования базы данных;

– использование опубликованной открытой базы данных группами разработчиков.

По предварительным оценкам, на реализацию данного проекта может уйти от одного до двух лет. На срок реализации существенное влияние окажут такие факторы, как число участников проекта, желающих внести свой вклад в набор и разметку ЭЭГ-записей, и целевое количество обследований в базе. После первичного набора и разметки ЭЭГ-обследований и публикации первой версии базы работа по ее наполнению может быть продолжена с целью накопления большего количества данных.

Проект реализуется Институтом Превентивной и Социальной Медицины, некоммерческим партнерством «Объединение врачей-эпилептологов и пациентов», Институтом детской и взрослой неврологии и эпилепсии им. Святителя Луки и компанией-производителем нейрофизиологического оборудования «Нейрософт» (Россия) на условиях некоммерческого соглашения о научно-исследовательском сотрудничестве.

Специалисты здравоохранения, работающие на волонтерской основе, равно как и пациенты, не получают финансового вознаграждения. Расходы, связанные с использованием программного обеспечения и облачных ресурсов, несет компания «Нейрософт».

Планируется использовать ЭЭГ-обследования из открытых источников и опубликованных в сети Интернет баз данных. Также предполагается загрузка в базу обезличенных ЭЭГ-данных пациентов из собственной практики участников проекта.

Оценка количества

На этапе оценки исполнимости проекта точное определение количества ЭЭГ-записей, требующегося для обучения ИИ, разработки атласов и обучающих программ, не проводилось. По мнению разработчиков, минимально необходимый объем составляет несколько сотен записей, однако с дальнейшим увеличением их числа в базе данных будут повышаться точность и специфичность разрабатываемых решений.

Конфиденциальность

Вся персональная информация о пациенте и специалисте, проводившем обследование, должна быть удалена из данных обследования. Записи видео-ЭЭГ-мониторинга не будут введены в базу, поскольку в этом случае невозможно добиться полной конфиденциальности пациента. Кроме непосредственно ЭЭГ-сигналов допустимыми для сохранения в базе являются только пол и возраст пациента на момент проведения ЭЭГ-обследования. Обезличивание ЭЭГ-данных является неотъемлемой частью проекта согласно требованиям ФЗ № 152.

В соответствии с Федеральным законом от 7 июля 2003 г. № 126-ФЗ «О связи»3 и Федеральным законом от 31 июля 2023 г. № 406-ФЗ «О внесении изменений в Федеральный закон «Об информации, информационных технологиях и о защите информации»4 используемое для развертывания базы данных серверное оборудование размещено исключительно на территории Российской Федерации.

Мониторинг безопасности и сообщения о нежелательных явлениях

В связи с тем, что никакого взаимодействия с пациентами не предусмотрено, а их ЭЭГ-записи будут вводиться в базу данных в обезличенном формате, мониторинг безопасности и репортирование нежелательных явлений являются неприменимыми.

Согласие пациента

Если уже выполненные в разное время ЭЭГ-записи будут ретроспективно вводиться в базу данных в обезличенном формате, согласие пациента не требуется. Для тех случаев, когда перед проведением пациенту ЭЭГ-обследования известно о намерении использовать его запись в данном проекте, разработана форма информированного согласия, подписание которой обязательно.

Критерии отбора

Ограничений по наличию диагноза и возрасту пациентов, чьи ЭЭГ-записи будут отбираться для базы данных, не предусмотрено. ЭЭГ-записи могут быть получены от пациентов с любым диагнозом или от здоровых лиц любого возраста начиная с 0 мес жизни. Также принимаются ЭЭГ-записи одного и того же пациента разных лет. Вместе с тем ЭЭГ-запись должна соответствовать изложенным ниже техническим требованиям.

Технические требования

Рассматриваться для отбора в базу данных могут как рутинные ЭЭГ-исследования продолжительностью 15–30 мин, так и более длительные записи ЭЭГ-мониторинга. Не принимаются ЭЭГ-исследования, содержащие видеозапись пациента. Для включения в базу ЭЭГ-данные должны соответствовать следующим техническим требованиям:

– форматы EDF (англ. European Data Format), EDF+, BDF (англ. Bitmap Distribution Format) [20];

– количество каналов ЭЭГ в обследовании не менее 19 в соответствии с международной системой «10–20%» [21–24];

– частота квантования 200 Гц или выше;

– частота среза нижних частот не выше 0,5 Гц;

– частота среза верхних частот не ниже 70 Гц;

– желателен один канал электрокардиографии.

ЭЭГ-данные должны быть представлены в монополярном (референтном) монтаже (для возможности пересчета в другие монтажи).

Допустимы осознанные отклонения от данных требований, например снижение количества каналов регистрации ЭЭГ у детей и младенцев.

Данные технические требования сформированы в соответствии с рекомендациями экспертного совета по нейрофизиологии Российской Противоэпилептической Лиги по проведению рутинной ЭЭГ [21][22][25].

Для внутреннего хранения и анализа ЭЭГ-записей в базе данных компании «Нейрософт» будет использоваться формат NSPack. Для получения ЭЭГ-данных и их публикации в открытом доступе будут применяться форматы EDF, EDF+, BDF [20].

Предполагается следующий алгоритм обработки поступающих в базу ЭЭГ-записей:

– именование файлов ЭЭГ-записей;

– первичная группировка ЭЭГ-записей в папках по типам;

– выделение и маркировка ЭЭГ-паттернов;

– маркировка ЭЭГ-записей с помощью меток (тегов).

Для разметки, включая именование файлов, событий, эпизодов записи, меток (тегов) обследований следует использовать английский язык.

Именование файлов

Для именования файлов и маркировки ЭЭГ-паттернов необходимо придерживаться международной терминологии в соответствии с русским словарем терминов, используемых в ЭЭГ [25–27].

В наименовании файлов обследований следует указывать основной паттерн ЭЭГ или основную патологию, пол и возраст пациента, например:

– Normal_M_36 – запись мужчины 36 лет с преобладанием нормальной ЭЭГ;

– Epi_F_52 – запись ЭЭГ женщины 52 лет с диагнозом «эпилепсия».

Таким образом, уже по названию файла можно получить минимальную информацию о пациенте и о типе записи, сохраняя при этом обезличенность данных.

Для предотвращения возникновения в базе двух записей с одинаковым наименованием после основного паттерна необходимо указывать произвольный индекс, например Normal_12_F_24.

Также в наименовании файлов допускается указание дополнительной информации об обследовании, например:

– Epi_Absence_M_3 – запись ЭЭГ трехлетнего мальчика с абсансной эпилепсией;

– NonEpi_LowAmplitude_F_25 – запись 25-летней девушки c пароксизмальной активностью неэпилептического генеза с низкоамплитудной ЭЭГ.

Наименование файлов обследований имеет важное, но не определяющее значение. В названии можно отразить только общие или самые существенные параметры записи. Более точные разметка и группировка будут проводиться с применением меток (тегов).

Папки и метки (теги)

По опыту других баз данных, записи в них обычно сгруппированы по папкам – например, в зависимости от патологии или по возрастам. Это удобно, т.к. позволяет разделить весь огромный объем обследований на определенные группы. Но недостаток такого подхода в том, что деление реализовано только по одному параметру и его уже нельзя поменять в будущем. Например, если ЭЭГ-записи сгруппированы в разные папки по возрастам пациентов, то чтобы выбрать из базы все записи с определенной патологией, нужно будет делать это в каждой папке с определенным возрастом, что неудобно. К тому же расширить классификацию обследований после начала формирования базы уже не получится. Если потребуется, к примеру, ввести информацию об условиях записи (в бодрствовании или во сне), для этого нужно будет перераспределить все обследования во вновь созданные папки.

Поэтому для более удобной и гибкой маркировки решено присваивать записям метки (теги). Набор тегов изначально определен и может расширяться в будущем. Каждая ЭЭГ-запись может быть помечена любым количеством тегов – например, касательно возраста пациента, его диагноза, условий записи и пр. База данных позволяет выбрать всех пациентов из всех папок, помеченных одним или несколькими тегами. Таким образом, появляется возможность формировать различные выборки обследований из базы по заданным тегам – допустим, выбрать из базы все ЭЭГ-записи детей младше 10 лет с нормальной ЭЭГ в состоянии бодрствования. Если в будущем потребуется ввести новые параметры для группировки обследований (например, вид получаемой медикаментозной терапии), то это легко можно будет сделать путем добавления новых тегов.

Очень важно качественно размечать обследования с помощью тегов, поскольку от этого будет зависеть будущее удобство работы с базой и качество формирования выборок обследований.

Таким образом, в базе данных организована первичная группировка обследований с помощью папок по патологиям, а основная группировка реализована с применением меток (тегов). Т.е. обследования хранятся в различных папках, но независимо от этого все они могут в любой момент быть сгруппированы с помощью выбранных тегов.

Названия папок для первичной группировки ЭЭГ-записей (рис. 2):

– Normal – записи с преобладанием нормальной биоэлектрической активности головного мозга;

– Epi – записи с наличием зарегистрированной иктальной или интериктальной эпилептиформной активности;

– NonEpi – записи с подозрительными ЭЭГ-паттернами, которые можно назвать условно нормальными и однозначно нельзя назвать эпилептиформными (например, записи с замедлением);

– Psycho – записи пациентов с подтвержденным психиатрическим диагнозом;

– ERP – вызванные потенциалы головного мозга (англ. event related potentials);

– CFM – мониторинг церебральной функции (англ. cerebral function monitoring) новорожденных;

– ICU – записи критически больных пациентов в отделениях реанимации и интенсивной терапии (ОРИТ) (англ. intensive care unit);

– BrainDeath – ЭЭГ-записи для подтверждения диагноза смерти мозга;

– TMS-EEG – записи электрической активности головного мозга во время транскраниальной магнитной стимуляции (англ. transcranial magnetic stimulation);

– Other – записи пациентов без диагноза «эпилепсия» с различной патологией, например аутизмом, детским церебральным параличом, черепно-мозговой травмой;

– Unknown – прочие записи, которые сложно группировать по предложенным папкам.

В будущем количество папок для первичной группировки можно будет при необходимости расширять, добавляя новые папки для первичного структурирования обследований.

При помещении ЭЭГ-записи в папку важно следить за соответствием ее названия выбранной папке, т.е. в папке Normal должны быть все обследования, наименование которых начинается с Normal, а не с Epi.

Основная группировка обследований по различным признакам осуществляется с помощью их маркировки соответствующими тегами. Далее представлен список тегов для маркировки записей, который совместным решением исследователей может дополняться другими тегами.

Возрастные метки:

– Age 0-1;

– Age 2-3;

– Age 4-6;

– Age 7-10;

– Age 11-15;

– Age 16-21;

– Age 22-30;

– Age 31-50;

– Age 51-70;

– Age 70+.

Пол:

– Male – мужской;

– Female – женский.

Вид обследования:

– Routine – рутинная ЭЭГ;

– LTM – длительный ЭЭГ-мониторинг (англ. long-term monitoring);

– ICU – запись критически больного пациента в ОРИТ;

– CFM – мониторинг церебральной функции новорожденных;

– BrainDeath – ЭЭГ-запись для подтверждения диагноза смерти мозга;

– ERP – вызванные потенциалы головного мозга;

– TMS-EEG – запись электрической активности головного мозга во время транскраниальной магнитной стимуляции.

Условия записи:

– Awake – запись в состоянии бодрствования;

– Sleep – запись во сне.

Патологии:

– Normal – нормальная электрическая активность головного мозга;

– Epi – эпилептиформная активность;

– FocalEpi – фокальная эпилептиформная активность;

– GeneralizedEpi – генерализованная эпилептиформная активность;

– NonEpi – пароксизмальная активность неэпилептического генеза;

– Psycho – заболевания психиатрического профиля (диссоциативные расстройства и пр.);

– Autism – аутизм;

– ADHD – синдром дефицита внимания и гиперактивности (англ. attention deficit hyperactivity disorder).

Наличие на записи паттернов ЭЭГ [17][22]:

– Artifact – артефакты записи;

– RDA – ритмическая дельта-активность (англ. rhythmic delta activity);

– NotchDelta – зубчатый дельта-ритм;

– Theta – активность тета-диапазона (замедление);

– FIRDA – фронтальная прерывистая ритмическая дельта-активность (англ. frontal intermittent rhythmic delta activity);

– LambdaWave – лямбда-волны;

– POSTS – положительные остроконечные транзиенты в затылочных областях во время сна (англ. positive occipital sharp transients of sleep);

– FOLD – женские затылочные низкоамплитудные спайки во время засыпания (англ. female occipital low amplitude spike drowsy);

– WHAM – высокоамплитудные спайки у мужчин, регистрирующиеся в передних отведениях во время пробуждения (англ. waking high amplitude spike anterior male);

– SSS – низкоамплитудные спайки (англ. small sharp spikes);

– BETS – доброкачественные эпилептиформные транзиенты сна (англ. benign epileptiform transients of sleep);

– VSP – вертексный острый потенциал (англ. vertex sharp potential);

– 14_6HzSpikes – позитивные спайки с частотой следования 14 и 6 Гц (англ. рositive 14 and 6 Hz spikes);

– 6HzSpikes – фантомные спайки с частотой следования 6 Гц (англ. рhantom 6 Hz spikes);

– K-complex – К-комплексы;

– Wicket – калиточный ритм (англ. wicket waves);

– RMTD – ритмичная средневисочная тета-активность при засыпании (англ. rhythmic mid-temporal theta of drowsiness);

– SREDA – субклинические ритмичные электроэнцефалографические разряды у взрослых (англ. subclinical rhythmic electroencephalographic discharges of adults);

– PLEDs – периодические латерализованные эпилептиформные разряды (англ. periodic lateralized epileptiform discharges);

– HypnagogicHypersynchrony – гипнагогическая гиперсинхронизация;

– Hypsarrhythmia – гипсаритмия;

– PhotoparoxysmalResponse – фотопароксизмальный ответ;

– StatusEpilepticus – эпилептический статус.

На рисунке 3 представлен пример размеченных с помощью тегов обследований в папке Epi.

С помощью тегов можно формировать различные выборки обследований из базы по заданным параметрам. Например, можно выбрать все рутинные ЭЭГ в состоянии бодрствования с фокальной эпилепсией у пациентов обоих полов в возрасте от 16 лет до 21 года (рис. 4). На рисунке 5 приведены результаты этой выборки. В нее попадают все обследования из всех папок базы данных, которые отмечены заданным набором тегов.

Заявка с документацией проекта подана в этический комитет ФГБОУ ВО «Ивановский государственный медицинский университет» Минздрава России. Набор ЭЭГ-записей в базу данных будет начат после получения одобрения этического комитета.

Все существенные изменения в протоколе будут приниматься руководящим комитетом. Комитет будет сообщать об этих изменениях участникам проекта.

Создаваемая Открытая база данных размеченных ЭЭГ-записей (ОБРАЗ) не является собственностью исследовательской группы и будет доступна для использования любыми лицами без каких-либо ограничений.

На этапе накопления данных и формирования базы доступ к ней предлагается открыть для всех участников проекта, включая волонтеров, которые проявят желание внести свой посильный вклад в наполнение базы ЭЭГ-записями и в их разметку. Рабочая база данных, доступная для участников проекта, будет развернута на облачных серверах компании «Нейрософт». Хотя на этом этапе база обследований будет доступна в формате NSPack, в нее можно будет добавлять не только обследования, записанные на оборудовании компании «Нейрософт», но и из любых других программ и источников в формате EDF+.

После накопления определенного объема обследований базу данных предлагается опубликовать для общего использования в формате EDF+. Таким образом, ОБРАЗ станет достоянием общественности.

Планы по распространению результатов использования ОБРАЗ включают презентации на местных, национальных и международных научных конференциях, а также действия, направленные на публикации в рецензируемых изданиях.

Участники проекта, которые решат внести свою лепту в формирование Открытой базы размеченных ЭЭГ-записей (ОБРАЗ), получат следующие преимущества:

– доступ к данным собранных обследований не только в формате EDF+, но и в обеспечивающем более широкие возможности для анализа формате NSPack;

– возможность получать выборки ЭЭГ-сигналов из базы данных по заданным параметрам;

– возможность стать соавтором научной публикации при соответствующем вкладе в ее написание;

– первоочередная возможность использования базы данных в своих целях (обучение ИИ-алгоритмов, формирование атласа ЭЭГ-паттернов, программы обучения, создание нормативной базы и пр.);

– внесение личного вклада в развитие современных инструментов анализа ЭЭГ и в целом в развитие ЭЭГ-методики в нашей стране и в мире.

Приглашаем желающих присоединиться к проекту ОБРАЗ и внести свой вклад в развитие ЭЭГ-методологии в России. Пожалуйста, направляйте ваши заявки на электронную почту корреспондирующего автора.

Выше представлена детальная «дорожная карта» проекта по созданию Открытой базы размеченных ЭЭГ записей (ОБРАЗ). Проект является ответом на актуальную потребность в качественных, структурированных и общедоступных наборах ЭЭГ-данных для развития новых методов автоматического анализа ЭЭГ. В отличие от ряда существующих зарубежных аналогов, часто имеющих недостатки в качестве записи или разметки, проект ОБРАЗ ставит во главу угла методологическую строгость, соответствие российским нормативно-правовым требованиям (в первую очередь, в области защиты персональных данных) и создание гибкой системы разметки.

Разработанный протокол включает четкие этапы: от сбора и обезличивания данных до их многоуровневой разметки с использованием системы папок и расширяемого набора тегов. Такой подход обеспечивает не только удобство хранения, но и мощный инструментарий для формирования целевых выборок по любым комбинациям параметров (возраст, диагноз, паттерн, условия записи и т.п.), что представляется важным как для обучения алгоритмов ИИ, так и для образовательных целей. Организация проекта на основе некоммерческого партнерства и волонтерского участия специалистов, как и открытый характер доступа к базе данных, максимизирует его потенциальное научное и практическое значение.

Успешная реализация проекта ОБРАЗ позволит создать фундаментальную инфраструктуру для ускоренного развития отечественных решений в области автоматизированной ЭЭГ-диагностики, формирования цифровых атласов ЭЭГ и обучающих программ. Таким образом, проект направлен не только на решение технологических задач, но и на укрепление научно-технологического суверенитета России в сфере медицины и информационных технологий, обеспечивая исследователей, нейрофизиологов и клиницистов современными инструментами для повышения качества и доступности медицинской помощи.

1. https://eeghub.ge. 2. https://www.consultant.ru/document/cons_doc_LAW_61801. 3. https://www.consultant.ru/document/cons_doc_LAW_43224. 4. https://www.consultant.ru/document/cons_doc_LAW_453265.