МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ

федеральное государственное автономное образовательное учреждение высшего образования

«САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ

АЭРОКОСМИЧЕСКОГО ПРИБОРОСТРОЕНИЯ»

Кафедра 41

ПРЕПОДАВАТЕЛЬ

к.т.н., доцент				А. В. Яковлев
должность, уч. степень, звание		подпись, дата		инициалы, фамилия

ОТЧЕТ О ПРАКТИЧЕСКОЙ РАБОТЕ № 2

Подготовка и оформление научно-технической документации

по курсу:

ОРГАНИЗАЦИЯ НАУЧНЫХ ИССЛЕДОВАНИЙ

СТУДЕНТКА ГР. №		Z0411		09.04.25		Карелина М. В.
	номер группы			подпись, дата		инициалы, фамилия

Номер студенческого билета: 2020/3477

Санкт-Петербург

2025

Karelina M. V. * student *St. Petersburg State University of Aerospace Instrumentation

DEMENTIA DIAGNOSIS THROUGH DEEP MACHINE LEARNING TECHNOLOGIES

Abstract

This paper examines the application of deep machine learning technologies to diagnose dementia, including Alzheimer's disease and other forms of neurodegenerative diseases. Special attention is paid to the use of neural network models for the analysis of multimodal data such as neuroimaging (MRI, CT), genetic markers, biomarkers of cerebrospinal fluid, digital biomarkers (for example, analysis of speech, physical activity and sleep) and medical records. The results of current research aimed at improving the accuracy of prediction and early detection of dementia using artificial intelligence are discussed. The paper also examines the possibilities of personalized medicine and optimization of clinical trials through the integration of deep machine learning methods. The results of the study can be useful in medicine, neurology and public health for the development of effective research methods.

Keywords: dementia, Alzheimer's disease, deep machine learning, neural networks, diagnostics, biomarkers, artificial intelligence, multimodal data, neurological diseases, omics, genetics, neuroimaging, digital biomarkers, bioinformatics.

Карелина М. В.* студент *Санкт-Петербургский государственный университет аэрокосмического приборостроения

ДИАГНОСТИКА ДЕМЕНЦИИ ПОСРЕДСТВОМ ТЕХНОЛОГИЙ ГЛУБОКОГО МАШИННОГО ОБУЧЕНИЯ

Аннотация

В данной работе рассматривается применение технологий глубокого машинного обучения для диагностики деменции, включая болезнь Альцгеймера и другие формы нейродегенеративных заболеваний. Особое внимание уделяется использованию нейросетевых моделей для анализа мультимодальных данных, таких как нейровизуализация (МРТ, КТ), генетические маркеры, биомаркеры спинномозговой жидкости, цифровые биомаркеры (например, анализ речи, физической активности и сна) и медицинские записи. Обсуждаются результаты текущих исследований, направленных на улучшение точности прогнозирования и раннего выявления деменции с помощью искусственного интеллекта. В работе также рассматриваются возможности персонализированной медицины и оптимизации клинических испытаний за счет интеграции методов глубокого машинного обучения. Результаты исследования могут быть полезны в медицине, неврологии и общественном здравоохранении для разработки эффективных стратегий профилактики, диагностики и лечения деменции.

Ключевые слова: деменция, болезнь Альцгеймера, глубокое машинное обучение, нейросети, диагностика, биомаркеры, искусственный интеллект, мультимодальные данные, неврологические заболевания, омики, генетика, нейровизуализация, цифровые биомаркеры, биоинформатика.

Введение

Распространение деменции представляет собой одну из наиболее острых проблем современного общества, особенно в условиях старения населения и увеличения продолжительности жизни. Это нейродегенеративное заболевание, характеризующееся прогрессирующим ухудшением когнитивных функций, таких как память, мышление, внимание и способности к обучению, оказывает значительное влияние на качество жизни пациентов и их близких. Наиболее распространенными формами деменции являются болезнь Альцгеймера и сосудистая деменция, а также другие варианты, такие как деменция с тельцами Леви и болезнь Пика. Хотя деменция чаще всего поражает пожилых людей, она может проявляться и у более молодых пациентов, что подчеркивает необходимость ранней диагностики и своевременного вмешательства. Традиционные методы диагностики деменции часто зависят от субъективной оценки клиницистов, что делает задачу выявления заболевания на ранних стадиях особенно сложной.

Современные технологии машинного обучения и искусственного интеллекта открывают новые горизонты для объективной, быстрой и точной диагностики деменции на основе анализа различных типов данных, таких как нейровизуализация, биомаркеры, клинические записи и даже поведенческие или речевые паттерны. Эти подходы позволяют разрабатывать персонализированные стратегии лечения и значительно улучшают возможности раннего выявления заболеваний, что имеет решающее значение для замедления прогрессирования деменции и улучшения качества жизни пациентов.

Введение в проблему деменции

Деменция — это общее название группы симптомов, связанных с ухудшением памяти, мышления и социальных навыков, что влияет на повседневную жизнь. В настоящее время основными формами деменции считаются болезнь Альцгеймера (до 60–70% всех случаев деменции) и сосудистая деменция (10–20%). Выделяют также деменцию с тельцами Леви, деменцию при болезни Паркинсона и фронтотемпоральную (лобно-височную) деменцию. Одной из разновидностей фронто-темпоральной деменции является болезнь Пика. Между различными формами деменции существуют также смешанные формы [3].

Согласно статистическим данным, в 2015 г. у 46,8 млн лиц диагностирована деменция, к 2017 г. их число увеличилось до 50 млн. Поэтому исходя из прогноза, число пациентов должно удваиваться каждые 20 лет и к 2030 г. их численность должна достигнуть 75 млн, а к 2050 г. — 131,5 млн. Среди женщин заболевание встречается втрое чаще, чем среди мужчин. Следует отметить, что деменция чаще всего имеет прогрессирующее течение и тесно связана с пожилым возрастом. Так, по данным ряда эпидемиологических обследований частота случаев деменций в целом составляет примерно 0,5% среди лиц, старше 65 лет, старше 75 лет — 25%, среди тех, кому за 85 лет — около 60%. Однако следует отметить, что существует случаи выставления диагноза у лиц младше 65 лет, прежде всего это захватывает трудоспособное население [1].

В настоящее время наблюдается стремительная интеграция технологий машинного обучения (МО) во все сферы нашей жизни, включая медицину. Эти инновационные подходы открывают новые горизонты в диагностике и лечении заболеваний, позволяя создать более персонализированные и эффективные методы вмешательства. В области здравоохранения МО и ИИ не только повышают точность диагностики, но и способствуют раннему выявлению и профилактике болезней, что в конечном итоге может значительно улучшить качество жизни пациентов.

Искусственный интеллект (ИИ) — это общий термин, который подразумевает использование компьютера для моделирования осмысленного поведения с минимальным вмешательством человека. В настоящее время термин применяется к широкому кругу понятий в медицине, таких как медицинская робототехника, медицинская диагностика, медицинская статистика, физиология и биология человека [2].