Как мы изобрели умный браслет, который выявляет эпилепсию и другие болезни ЦНС

Привет, меня зовут Юрий Корюкалов, я нейрофизиолог и автор медиа вАЙТИ. Я хочу рассказать о нашем изобретении — умном браслете NEYROX, который сочетает передовые технологии и последние достижения в области нейробиологии и медицинской диагностики. Он способен отслеживать множество медицинских показателей в организме человека и заранее прогнозировать приступы эпилепсии, риск инфицирования организма и другие болезни.

Еще в 2021 году, во время пандемии, прототип устройства NEYROX зафиксировал факт инфицирования за сутки до первых симптомов. В тот период под наблюдением находилось около 20 человек, и, когда они заболели, мы установили паттерн, который проявляется за 18–25 часов до появления первых симптомов.

Технология базируется на вариабельности сердечного ритма и электродермальной активности. Мы, конечно, не могли сказать, чем инфицирован человек, но сам факт вирусного инфицирования был виден. Разумеется, эту технологию нужно дальше развивать. Возможно, со временем мы научимся различать и типы инфицирования.

Мы включили в умный браслет алгоритмы расчета интегрального показателя напряженности работы нервной системы, адаптационного потенциала организма с выполнением простого нагрузочного теста, оценки степени восстановления функционального состояния организма после тренировки, лечения, интоксикации, сна и так далее. Он может измерять пульс, оксигенацию, движения, частоту дыхания, температуру, показывать общее одноканальное ЭКГ и вариабельность сердечного ритма.

Также применяем неинвазивный способ замера уровня глюкозы. В лабораторных условиях удалось достичь точности до 80% относительно инвазивных методов замера. Технология базируется на спектральном анализе наличия глюкозы в крови, с алгоритмом калибровки реального измерения уровня сахара глюкометром и параллельным измерением неинвазивным способом с помощью лазерной детекции.Предиктивная модель обучается индивидуально по конкретному человеку и начинает показывать ему более точные данные по глюкозе, так как алгоритм знает, что измеренному уровню глюкозы соответствуют определенные характеристики лазерной детекции.

Разработкой нейротрекера с 2018 года занимается многопрофильная команда специалистов. В ней задействованы инженеры и конструкторы электронного модуля нейротрекера, программисты по прошивке верхнего и нижнего уровня девайса, дизайнеры упаковки, приложения, интерфейса, продакт-менеджеры и маркетологи. За биомедицинский функционал отвечают невролог, нейрофизиолог, спортивный врач, психотерапевт и кардиолог.

На раннем этапе мы анализировали доступные аппаратные решения для встраивания алгоритмов машинного обучения прямо в устройство. Самостоятельное устройство с нейросетями на борту — наша цель, к которой мы планомерно приближаемся.

Доступные на рынке микроконтроллеры хоть и были функциональны и энергоэффективны, но не обеспечивали требуемой вычислительной мощности для локального запуска нейросетей. Вариантов решения для обеспечения конкурентной цены и достаточно оперативного выхода на рынок мы не нашли и первую версию сделали с локальным приложением. Доступ в сеть не требовался, данные собирались, хранились и обрабатывались на пользовательском устройстве.

Сейчас проект нейротрекера находится в стадии pre-alpha, так как мы переосмыслили изначальный подход к разработке сервиса. Из мобильного лабораторного приложения и носимого устройства без экрана проект развивается в облачное решение как для B2C-, так и для B2B-секторов рынка. На этап beta планируем выйти в начале 2025 года.

Именно поэтому на данный момент мы остановились на решении с облачной архитектурой:

На данный момент результаты замеров собираются и передаются пакетами в пользовательское приложение по протоколу BLE. Полученные данные тут же синхронизируются с облачной БД через API. При отсутствии связи данные могут накапливаться в приложении в хранилище телефона и синхронизируются при восстановлении связи с интернетом.

Данные замеров мы храним в обезличенном виде в отдельных БД для обеспечения секьюрности процессов. Сопоставить данные с пользователями невозможно без знания целого ряда параметров и наличия соответствующих доступов к ним.

Разметка медицинских показателей позволяет создавать наборы данных для обучения нейросетей для предиктивных моделей. Помимо данных замеров, проводятся опросы пользователей сервиса и анкетирование. Собранные данные также используются для оптимизации результатов работы нейросетей.

Сложностью проекта, несомненно, является наличие множества уровней:

Нами представлены две модели браслета — NEYROX N1 и NEYROX PRO.

В обеих моделях есть гироскоп, акселерометр, пульс, датчик оксигенации, частоты дыхания, датчик ЭКГ, температуры кожи, датчик измерения давления, неинвазивный датчик глюкозы крови, а в PRO — дополнительный датчик ЭДА.

В медицине ЭДА широко используют для мониторинга боли, эпилепсии, судорог, утомления, потери сознания, лунатизма, качества сна и так далее. Датчик ЭДА измеряет электрические свойства кожи, которые изменяются из-за секреции пота и активности потовых желез в результате изменения активности симпатической нервной системы.

По показателям ЭДА и вариабельности сердечного ритма можно отслеживать связанные реакции нервной и сердечно-сосудистой систем и выявлять биомаркеры разных состояний. Например, мы видим, что человек переутомлен по уменьшению вариабельности сердечного ритма до определенных показателей для конкретного человека и снижению электродермальной активности.

Измерение электродермальной активности уже более 10 лет позволяет выявлять паттерны нарушений сна, предвестников эпилептического приступа или перевозбуждения нервной системы. Пока мы сфокусировались на распространенных с ковидной эпохи состояниях тревожности, нарушении сна, лунатизме (сомнамбулизм), усталости и утомлении. Сейчас при сотрудничестве с клиниками наши пилоты направлены на возможность проводить онлайн-мониторинг реакций нервной системы, сердца и сосудов, двигательной активности, который позволяет выявлять биомаркеры неврологических нарушений у детей и подростков. Например, определять эпилепсию, ДЦП, СДВГ.

На данный момент проведены пилотные исследования, которые позволили выявить паттерны инфицирования ковидом или ОРВИ за сутки до первых симптомов, изменения тонуса нервной системы за 1–2 часа до появления тревожности, а у спортсменов получилсоь выявить пищевую аритмию (появление тахикардии) после еды.

Описанные выше алгоритмы измерения электродермальной активности, пульса, вариабельности сердечного ритма калибруются в первую неделю использования нейротрекера, чтобы обеспечить более точные измерения исходя из специфики кожи или сосудов конкретного пользователя. Например, оттенок кожи у всех разный, поэтому мощность лазера, измеряющего пульс, нужно подбирать для лучшей фиксации колебаний сосудистой стенки. В итоге ИИ обучается индивидуально по конкретному человеку и начинает показывать ему более точные данные по пульсу и электродермальной активности. А если есть возможность вносить данные с глюкометра (диабетики II типа), то и по глюкозе удается достичь точности в 0,5 ммоль/л, так как алгоритм начинает сопоставлять, что данному уровню глюкозы соответствуют такие-то характеристики лазерной детекции.

С 2025 года нейротрекер сможет по скачку возбуждения нервной системы выше выявленного нами порога (это интегральный показатель, учитывающий динамику нервного возбуждения и его амплитуду в течение одной и более секунд) спрогнозировать приближение судорожного приступа эпилепсии. В рамках проводимых в настоящее время исследований мы получим размеченные данные и обучим на них предиктивные модели по части прогноза приступа. Мы продолжаем проводить более масштабные исследования по разным медицинским и спортивным направлениям, которые проходят в клиниках Челябинска, Екатеринбурга, Тюмени, Новосибирска и Москвы. Мы начали исследовать здоровье молодых мам, восстановление спортсменов, интоксикации разной этиологии и тому подобное.

Центральный элемент системы обоих устройств — чип Realtek 8762DW. Он оптимизирован для носимых устройств, включает поддержку протокола Bluetooth 5.1. Этот чип отличается низким энергопотреблением и достаточной вычислительной мощностью для создания современного трекера с рядом вычислений прямо на устройстве. Но для запуска облегченных нейросетевых моделей прямо на трекере он не подходит.

В данный момент мы продолжаем экспериментировать с мобильными платформами в поисках максимально автономного решения с нейросетями. К примеру, Raspberry Pi 5 AI Kit и TensorFlow Lite Micro в сочетании с аппаратным ускорением математических операций и оптимизацией под ML-фреймворки дают возможность проводить предобработку и анализ данных без необходимости постоянной передачи на внешний сервер.

Ввиду имеющихся ограничений сейчас всю логику работы с данными и нейросети мы реализуем в облаке.

Ключевой вызов — адаптация нейросети под конкретного пользователя. Наша архитектура основана на предварительно обученных моделях, донастраиваемых под индивидуальные особенности человека. Базовую модель мы изначально тренировали на серверной инфраструктуре с использованием фреймворков TensorFlow и PyTorch. Обучение велось на датасете анонимизированных биометрических данных и паттернов активности.

В процессе отбора архитектур мы экспериментировали с вариантами CNN и LSTM, чтобы достичь оптимального баланса между точностью предсказаний и ресурсопотреблением. Итоговая модель — гибридная, в основе которой лежит легкая сверточная архитектура для извлечения признаков, дополненная рекуррентным слоем для анализа временных зависимостей (например, изменений ЧСС в течение дня).

Для адаптации под конкретного пользователя мы применяем стратегию трансферного обучения: модель, находящаяся в часах, имеет компактный слой, параметры которого дообучаются на данных, полученных непосредственно от носителя устройства. Это позволяет учесть особенности сна, режима дня, уровня физической подготовки и прочие индивидуальные параметры.

Само обучение идет двумя путями:

Встроенная модель не статична. На старте пользователь получает изначально обученную нейросеть, оптимизированную под среднестатистические паттерны. По мере использования устройства данные о пульсе, активности, режимах сна и так далее аккумулируются и могут локально обновить часть весов модели. Если пользователь разрешит, а устройство будет иметь доступ к сети, анонимизированные фичи будут переданы на внешний сервер.

Обработка на удаленной стороне дает возможность учитывать более масштабные закономерности (например, сезонные колебания или общепопуляционные тренды), после чего пользователю возвращаются более точные рекомендации. Обычно такая операция занимает от нескольких минут до часа в зависимости от качества соединения, но производится она редко и преимущественно при подзарядке устройства.

Чтобы минимизировать вычислительную нагрузку, мы применяем стратегию кеширования результатов: модель не пересчитывает предсказания «с нуля» каждую секунду. Вместо этого при сборе новых данных от датчиков происходит оценка важности изменения входных сигналов. Если существенных изменений нет, используется последнее предсказание. Это уменьшает потребление энергии и продлевает время автономной работы.

Планы на дальнейшее развитие включают интеграцию большего количества специализированных датчиков (например, для химических маркеров пота), а также внедрение методов федеративного обучения. Последнее позволит улучшать общую модель без прямого обмена сырыми данными между устройствами, повышая приватность и масштабируемость системы.

С момента подключения к приложению нейротрекер готов к работе. Как правило, он подходит большинству пользователей и не требует дополнительной настройки.

В данный момент у нас порядка 300 активных пользователей устройств. Не все они поняли, что приобрели устройство, находящееся в разработке, поэтому отзывы разнятся. Особенно это коснулось клиентов с телефонами на iOS, так как нам до сих пор не удалось опубликовать приложение, Apple под всевозможными надуманными предлогами «отпинывает» нас. Мы обрабатываем всю поступающую обратную связь и помогаем пользователям, столкнувшимся с проблемами. Также отметим, что возможности и функционал нейротрекера постоянно развиваются, примерно раз в месяц с ноября 2024 года мы обновляем приложение и прошивку устройства. В декабре 2024 года как раз подошли к обновлению алгоритмов измерения ключевых и интегральных показателей функционального состояния организма. Тестируем для оценки стабильности измерений в автоматическом режиме и выкладываем в обновление.

В будущем проект будет развиваться и обрастать новыми продуктами. Вокруг бренда уже формируется сообщество прогрессивных медиков, заинтересованных в телемедицинских технологиях. Мы ведем работу в направлении интеграции NEYROX в системы умного дома, страховые продукты, умные автомобили и тому подобное.