В статье исследуется потенциал анализа фоновой активности мозга (нейрошума) для диагностики неврологических и психиатрических патологий методами машинного обучения (МО). Исследование выполнено на трех независимых датасетах ЭЭГ покоя (N=847), включающих записи здоровых субъектов и пациентов с эпилепсией, болезнью Альцгеймера (БА), шизофренией и депрессией. Разработана конвейерная архитектура обработки данных, включающая спектральный, энтропийный, фрактальный анализ и оценку функциональной связности. Ансамблевая модель (Stacking Ensemble) достигла точности 89,3% (AUC-ROC 96,7%). Наибольшую диагностическую ценность продемонстрировали показатели энтропии (32,4% важности), фрактальные характеристики и спектральные параметры альфа- и тета-диапазонов. Результаты подтверждают перспективность анализа нейрошума как неинвазивного инструмента скрининга и мониторинга.
