Диагностика СДВГ у детей по ЭЭГ: новый метод достиг 99,46% точности

Учёные применили признаки амплитудной модуляции ЭЭГ для классификации СДВГ — точность достигла 99,46%

Диагностика синдрома дефицита внимания и гиперактивности (СДВГ) до сих пор основывается исключительно на клиническом интервью, опросниках и наблюдении за поведением. Объективных биомаркеров, которые можно было бы измерить прибором, практически нет. Новое исследование, опубликованное 20 июня 2026 года в престижном журнале Computers in Biology and Medicine, предлагает принципиально иной подход: диагностировать СДВГ по электроэнцефалограмме (ЭЭГ) с использованием особых признаков — амплитудной модуляции сигналов.

Результаты впечатляют: точность классификации достигла 99,46% — это наивысший показатель в истории исследований ЭЭГ-диагностики СДВГ на данном наборе данных.

Почему ЭЭГ: от клинических шкал к объективным измерениям

Сегодня диагноз СДВГ ставится на основании критериев DSM-5 или МКБ-11: врач оценивает симптомы невнимательности, гиперактивности и импульсивности, опираясь на беседу с пациентом и родителями, а также на стандартизированные опросники. Этот субъективный подход создаёт проблемы: симптомы могут различаться в зависимости от обстановки, родители и учителя по-разному оценивают поведение ребёнка, а самодиагностика во взрослом возрасте часто запаздывает на годы.

ЭЭГ — это метод записи электрической активности мозга с помощью электродов, размещённых на коже головы. Он неинвазивен, безболезнен, безопасен для детей и уже давно применяется в клинической практике для диагностики эпилепсии и других неврологических нарушений. Однако для СДВГ надёжного ЭЭГ-маркера до сих пор не существовало.

СДВГ у детей: почему ранняя диагностика так важна

СДВГ затрагивает от 3% до 7% детей школьного возраста во всём мире. Без своевременной диагностики и лечения дети с СДВГ сталкиваются с целым каскадом проблем: академическая неуспеваемость, социальная изоляция, низкая самооценка, повышенный риск тревожных расстройств и депрессии. Чем раньше поставлен диагноз, тем эффективнее можно выстроить стратегию поддержки — будь то медикаментозная терапия, поведенческие вмешательства или образовательные адаптации.

Однако существующие методы диагностики основаны на субъективной оценке и часто приводят к задержкам. Именно поэтому разработка объективных биомаркеров СДВГ — одна из приоритетных задач современной детской психиатрии и неврологии.

Что такое амплитудная модуляция и почему это важно

Мозг работает не на одной частоте, а на множестве частот одновременно. Разные частотные диапазоны (дельта, тета, альфа, бета, гамма) соответствуют разным состояниям мозга — от глубокого сна до активной концентрации. У людей с СДВГ давно известно об изменении соотношений этих ритмов, но традиционный анализ ЭЭГ (спектральный анализ мощности) не давал достаточной точности для диагностики.

Амплитудная модуляция — это более тонкий метод анализа. Он измеряет, как амплитуда одного частотного диапазона меняется под влиянием другого. Простыми словами, это не просто «громкость» каждой частоты, а то, как разные частоты «разговаривают» друг с другом. Исследователи предположили, что при СДВГ эта межчастотная связь нарушена — и оказались правы.

Представьте оркестр, где каждый музыкант играет на своей частоте. Традиционный анализ ЭЭГ — это просто измерение громкости каждого инструмента. А амплитудная модуляция — это измерение того, насколько синхронно играют разные секции оркестра, как струнные влияют на духовые и наоборот. При СДВГ эта синхронизация сбита.

Как было проведено исследование: методология

Исследователи использовали открытый набор данных ЭЭГ, включающий записи 60 здоровых детей и 61 ребёнка с диагнозом СДВГ. Все участники — дети примерно одного возраста, что позволяет минимизировать влияние возрастных изменений на электрическую активность мозга. Сигналы ЭЭГ записывались с помощью стандартных электродов, размещённых на коже головы по международной системе 10–20.

Полученные сигналы разлагались на пять частотных диапазонов с помощью дискретного вейвлет-преобразования: дельта (0,5–4 Гц), тета (4–8 Гц), альфа (8–13 Гц), бета (13–30 Гц) и гамма (30–50 Гц). Каждый из этих диапазонов отражает разные аспекты работы мозга: дельта — глубокий сон, тета — расслабленное бодрствование, альфа — спокойное состояние, бета — активное мышление, гамма — обработка сложной информации и внимание.

Из каждого диапазона извлекалось 14 признаков: 8 традиционных (среднее, стандартное отклонение, асимметрия, эксцесс, энергия и другие статистические характеристики сигнала) и 6 новых — признаков амплитудной модуляции (AM), которые отражают, как амплитуда высокочастотных колебаний модулируется низкочастотными.

Затем применялся двухэтапный отбор признаков: сначала фильтрация по t-критерию (отсев заведомо неинформативных признаков), затем последовательный прямой отбор — алгоритм, который пошагово добавляет признаки, дающие наибольший прирост точности классификации.

Для собственно классификации использовались шесть различных алгоритмов машинного обучения: метод k-ближайших соседей (KNN), метод опорных векторов (SVM), AdaBoost, искусственная нейронная сеть (ANN), дерево решений (DT) и наивный байесовский классификатор (NB). Для оценки точности применялся метод Монте-Карло-кросс-валидации — один из самых строгих подходов, при котором данные многократно случайным образом разделяются на обучающую и тестовую выборки.

Результаты: 99,46% точности

Добавление признаков амплитудной модуляции дало значительное и последовательное улучшение для всех классификаторов и всех типов вейвлетов. Наивысшая точность — 99,46% — была достигнута с использованием классификатора KNN на признаках, полученных с помощью вейвлета coif2.

Анализ оптимального набора признаков выявил две важные закономерности:

• Гамма- и бета-диапазоны — в этих высокочастотных диапазонах концентрация признаков амплитудной модуляции была наиболее высокой. Это согласуется с современными представлениями о роли гамма-осцилляций в когнитивных процессах и внимании.
• Лобные области мозга — именно из лобных отведений было получено наибольшее количество дискриминативной информации. Лобная кора — ключевой регион, связанный с исполнительными функциями, которые нарушены при СДВГ.

Что это значит простыми словами

Представьте, что вы пытаетесь отличить профессионального музыканта от любителя, слушая, как они играют. Традиционные методы — это оценка того, насколько громко каждый играет. Новый метод — это оценка того, насколько слаженно различные секции оркестра взаимодействуют друг с другом, особенно в быстрых пассажах (бета- и гамма-ритмы) и в том, как дирижирует лобная кора.

99,46% — это означает, что из 200 детей тест ошибётся лишь в одном случае. Это уровень, при котором ЭЭГ может стать полноценным диагностическим инструментом, дополняющим клиническое интервью.

Преимущества нового метода

Предложенный подход имеет несколько ключевых преимуществ перед существующими методами диагностики:

• Объективность — ЭЭГ-сигнал не зависит от субъективной оценки врача, настроения пациента или социальной желательности ответов.
• Простота и интерпретируемость — в отличие от сложных глубоких нейросетей («чёрных ящиков»), признаки амплитудной модуляции имеют физиологическую интерпретацию: они отражают нарушение межчастотной нейронной связи, что напрямую связано с патофизиологией СДВГ.
• Доступность — ЭЭГ-аппараты есть практически в каждой больнице, стоимость исследования относительно невысока, особенно по сравнению с МРТ или ПЭТ.
• Безопасность — метод неинвазивен, не требует облучения или введения контрастных веществ, подходит для детей любого возраста.

Ограничения и перспективы

Несмотря на впечатляющие результаты, исследование имеет ряд ограничений. Во-первых, данные получены на относительно небольшой выборке (121 участник). Для подтверждения эффективности метода необходимы более масштабные клинические испытания. Во-вторых, использовался один конкретный набор данных — необходимо проверить, как метод работает на других популяциях и в других условиях записи.

Тем не менее, авторы подчёркивают, что предложенная система превзошла все современные методы на том же наборе данных. Признаки амплитудной модуляции показали себя как мощный и интерпретируемый ЭЭГ-биомаркер СДВГ, который может лечь в основу будущих инструментов объективной диагностики.

Источники

1. Safi MS, et al. Diagnosis of ADHD in children from EEG signals using amplitude modulation features. 2026.
2. Li H, et al. The developmental shift in aperiodic activity and its link to the default mode network in ADHD. 2026.
3. Hoogman M, et al. Subcortical brain volume differences in ADHD. Lancet Psychiatry, 2017.