Коллектив тайваньских исследователей разработал аналитическую модель на базе машинного обучения, которая позволяет идентифицировать лиц с интернет-зависимостью по паттернам электроэнцефалографии (ЭЭГ) с точностью 86%. О результатах работы сообщила Хуан Сюй-вэнь, научный сотрудник Национальных институтов здравоохранения Тайваня.
Изучение биоэлектрической активности мозга у 92 добровольцев (42 из которых страдали зависимостью) в состоянии покоя выявило у аддиктивных участников аномально высокую фазовую синхронизацию нейронных ритмов. По мнению Хуан Сюй-вэнь, подобные отклонения свидетельствуют о функциональных сбоях в нейронных контурах, отвечающих за процессы торможения и систему вознаграждения.
Эксперт подчеркнула, что характерные изменения на ЭЭГ проявляются значительно раньше, чем деструктивные поведенческие привычки. Это делает связку электроэнцефалографии и алгоритмов искусственного интеллекта мощным инструментом раннего скрининга, позволяя образовательным и медицинским центрам организовывать адресную профилактику на стадиях формирования зависимости.
В рамках данного исследования интернет-зависимость классифицируется как неконтролируемая тяга к пребыванию в глобальной сети, утрата волевого контроля над временем использования ресурсов и развитие психоэмоционального дискомфорта при отсутствии доступа к интернету.
Источник: iXBT
