Modely strojového a hlubokého učení pro zlepšení pre-operativní evaluace farmakorezistentní epilepsie

Farmakorezistentní epilepsie se vyskytuje přibližně u jedné třetiny epileptických pacientů. Nejlepší šanci na vyléčení či alespoň redukci záchvatů představují pro tyto pacienty resekce epileptogenní tkáně či implantace neurostimulátoru. Metody pro akvizici a zpracování signálu s využitím strojového učení prodělaly v oblasti intrakraniálního EEG dynamicky´ vývoj se slibnými výsledky pro lokalizaci epileptogenní tkáně a predikci záchvatů. Přestože je výkon dnešních počítačů dostatečný, implementace těchto metod do klinické péče je pomalá. Projekt má za cíl vyvinout systém pro automatické zpracování vysokofrekvenčního intrakraniálního EEG za účelem lokalizace tkáně generující záchvaty, predikce záchvatů a predikce úspěšnosti chirurgické operace. To zahrnuje akvizici dlouhodobých záznamů, extrakci příznaků ze signálu včetně použití metod strojového učení a deep learningu a vizualizaci výsledků pro zdravotnický personál. Výstupem projektu budou softwarové nástroje pro rychlou a přesnou lokalizaci epileptických ložisek a predikci záchvatů, což může významně snížit náklady na léčbu, zvýšit její bezpečnost a zlepšit život pacientů.