№АР25796437

Руководитель проекта Базарбеков Икрам Медеуұлы

Цель проекта. Разработка и внедрение системы, способной с высокой точностью диагностировать когнитивные нарушения на ранних стадиях на основе данных моторики письма, собранных с помощью сенсорных устройств и проанализированных с использованием методов машинного обучения.

Актуальность.

Глобальный рост деменции становится одной из ключевых медико-социальных проблем XXI века: по оценкам Всемирной организации здравоохранения, число пациентов уже превысило 55 млн и ежегодно увеличивается примерно на 10 млн человек. Доминирует болезнь Альцгеймера, на которую приходится 60–70 % случаев; её клиническим предшественником нередко являются лёгкие когнитивные нарушения (MCI). Чем раньше зафиксирован MCI, тем больше шансов замедлить либо предотвратить переход к деменции.

В Казахстане ситуация усугубляется фрагментарной статистикой: экспертные оценки называют диапазон 100–120 тыс человек с когнитивными расстройствами при существенно меньших официальных цифрах. Диагностический дефицит обусловлен тремя основными факторами:

• ограниченным числом профильных неврологов-геронтологов, особенно в регионах;
• высокой стоимостью инструментальных методов (МРТ, КТ) и биомаркеров;
• отсутствием масштабируемых, языково адаптированных когнитивных тестов.

Традиционные шкалы (MMSE, MoCA) остаются полезными, но чувствительны к языку и образовательному уровню, а повторное прохождение приводит к «эффекту обучаемости». Инвазивные либо дорогостоящие методы (анализ CSF-биомаркеров, нейровизуализация) непригодны для массового скрининга. В этих условиях востребована неинвазивная, доступная технология, способная выявлять ранние маркеры когнитивного снижения быстро и вне зависимости от региона.

Использование сенсорной ручки, фиксирующей микродвижения при письме, открывает новое направление диагностики. Временные ряды координат, давления и ускорений пера содержат скрытую информацию о моторных и когнитивных функциях. Методы флуктуационного анализа (DFA, спектральные и вейвлет-подходы) позволяют извлекать объективные микропаттерны, а алгоритмы машинного обучения способны переводить их в диагностические выводы. Такой инструмент легко интегрировать в кабинеты семейных врачей или в домашние системы мониторинга, что расширит охват и снизит нагрузку на специалистов. Дополнительно формирование собственных датасетов моторики письма создаёт научный фундамент для дальнейших исследований в области нейроинформатики.

Таким образом, разработка интеллектуальной системы, основанной на анализе письма и методах искусственного интеллекта, отвечает критически важной потребности здравоохранения Казахстана — доступной, масштабируемой и ранней диагностике когнитивных нарушений, способной существенно снизить социально-экономическое бремя деменции.

Ожидаемые результаты:

• Будет разработана и готова к внедрению система «сенсорная ручка + AI-аналитика», позволяющая быстро и недорого выявлять MCI/AD как в клиниках, так и дома.
• Будут опубликованы не менее двух статей в журналах из первых трех квартилей по импакт-фактору в базе данных Web of Science или имеющих процентиль по CiteScore в базе данных Scopus не менее 50.

Состав исследовательской группы: