Epilepsiya surunkali nevrologik kasallik bo‘lib, u tananing to‘satdan hujumga moyilligida namoyon bo‘ladi. JSST ma’lumotlariga ko‘ra, epilepsiya dunyodagi eng keng tarqalgan nevrologik kasalliklardan biridir: 50 millionga yaqin odam epilepsiya ta’sirida. Epilepsiya bilan og‘rigan odamlarning 70 foizi to‘g‘ri tashxis qo‘yilsa va davolansa, tutqanoqsiz yashashi mumkin.

Epilepsiya diagnostikasining asosiy vazifalaridan biri tutqanoq turini va uning sabablarini aniqlashdir. Odatda, bu bemorni shifoxonada uzoq (bir necha kungacha) kuzatishni talab qiladi, elektroensefalografiya (EEG) yordamida miya faoliyati qayd etiladi. Shundan so‘ng, shifokor olingan ma’lumotlarni tahlil qilishni boshlaydi, epilepsiya belgilarini aniqlaydi, tubiiyki bu ko‘p vaqtni talab qiladi va natijalarning obyektivligiga sezilarli ta’sir ko‘rsatishi mumkin.

Boltiq federal universiteti olimlari sun’iy intellekt (AI) va epilepsiya fiziologiyasi bo‘yicha ekspert bilimlarini birlashtirgan kaskad tizimidan foydalanishga asoslangan yangicha epilepsiya diagnostikasini taklif qilishdi. Ularning fikricha, bu usul elektroensefalogrammalarda epileptik tutilishlarni aniqlashning aniqligini sezilarli darajada oshirish imkonini beradi.

"Tizim epileptik tutilishlar bo‘lishi bo‘lgan joylarni belgilaydi va qayd yozuvining dastlabki tahlilini amalga oshiradi. Keyin shifokor tizim tomonidan belgilangan joylarni tekshiradi, uning xulosalarini tasdiqlaydi yoki rad etadi", - deydi Boltiqbo‘yi Neyrotexnologiyalar va sun’iy intellekt markazining katta ilmiy xodimi Vadim Grubov - Shu bilan birga, shifokor avtomatik tahlil va ekspert bahosining bunday kombinatsiyasi tufayli tahlil vaqtini sezilarli darajada qisqartirish (90-95% gacha) bilan yuqori diagnostika aniqligiga erishish mumkin, degan fikrni bildirdi.

Tadqiqot mualliflari, olingan natijalar epileptologlarning ishini osonlashtirishi va tibbiy qarorlarni qo‘llab-quvvatlash tizimlarining bir qismi sifatida klinik amaliyotda qo‘llanilishi mumkinligiga ishonishadi.

Tadqiqotda tasvirlarni tasniflashda keng qo‘llaniladigan chuqur o‘rganish usullari, ya’ni konvolyutsion neyron tarmoqlari qo‘llanilgan.

Taklif etilayotgan usulni katta hajmdagi klinik tahlillarda sinab ko‘rish rejalashtirilgan.