Разработка основана на алгоритме резервуарных вычислений нового поколения (NG-RC), который применяется для прогнозирования динамики сложных систем. Стандартная версия метода использует равномерные временные интервалы при анализе данных, что ограничивает ее эффективность при работе с сигналами, в которых изменения происходят на разных временных масштабах. Авторы предложили модификацию NG-RC с комплексным выбором задержек (NGRC-MDS).
Метод с помощью эмпирической модовой декомпозиции и оценки плотности распределения определяет характерные временные масштабы сигнала и на их основе формирует набор интервалов для анализа. Это позволяет учитывать как быстрые, так и более медленные изменения в динамике системы и использовать наиболее информативные участки данных для прогнозирования.
Эффективность алгоритма исследователи оценили на трех моделях нелинейных динамических систем – адаптивной сети Курамото, системе Лоренца и модели Макки-Гласса. Они используются для моделирования процессов с различной динамикой, в том числе связанных с поведением нейронных систем, атмосферными явлениями и популяционной динамикой.
По данным авторов, новый метод сопоставим или превосходит оптимизированную стандартную версию NG-RC по точности при минимальной дополнительной настройке. Разработка также показала эффективность при восстановлении скрытых состояний многомасштабных систем и кратко- и долгосрочном прогнозировании хаотической динамики.
Разработчики рассматривают метод для работы с зашумленными и неполными медицинскими данными, в частности, записями ЭЭГ. В перспективе технология может использоваться для восстановления утраченных значений и повышения качества анализа сигналов мозговой активности.
По словам участника проекта Александра Храмова, дальнейшие исследования будут посвящены применению алгоритма в медицинской диагностике совместно с клиническими партнерами, включая Национальный медико-хирургический центр им. Н.И. Пирогова и НМИЦ терапии и профилактической медицины. Среди других потенциальных направлений применения метода ученые называют прогнозирование экстремальных погодных явлений и анализ экономических процессов.
Частота использования нейросетей в медицинских целях продолжает расти. Для совершенствования кадровой политики здравоохранения с учетом внедрения ИИ-ассистентов в клиническую практику НИИОЗММ Депздрава Москвы планирует разработать специальную методологию: специалисты подготовят организационные предложения по поэтапной интеграции языковых моделей в столичную систему здравоохранения к концу 2026 года.
