新的人工智能系统以近乎完美的准确性预测癫痫发作 | 智能医疗

发布日期:2019-12-04 10:00
一种新的人工智能设计可以在发作前一小时准确预测发作,准确率为99.6。


插图:iStockphoto

对于全世界大约5000万患有癫痫的人来说,他们大脑中细胞之间的电信号交换有时会失控,导致癫痫发作,通常没有什么征兆。路易斯安那大学拉斐特分校的两名研究人员开发了一种新的人工智能模型,可以在发病前一小时预测癫痫发作的发生率,准确率为99.6%。

“由于意外的癫痫发作时间,癫痫对患者有很强的心理和社会影响,”Hisham Daoud解释说,他是一位共同开发这一新模型的研究员。

他说,提前发现癫痫发作可以大大提高癫痫患者的生活质量,为他们提供足够的时间采取行动。值得注意的是,这些患者中有70%的癫痫发作是可以通过药物控制的。

达乌德和他的同事马格迪·巴尤米绝不是第一个探索癫痫发作预测方法的人。其他研究小组已经研究了利用脑电图(EEG)测试分析大脑活动的方法,并利用这些数据建立了预测模型。然而,每个人都有独特的大脑模式,这使得很难准确预测癫痫发作。以前的模型被设计为在两个阶段的过程中进行,其中大脑模式必须手动提取,然后应用分类系统,Daoud称该模型增加了模型的复杂性。

在7月24日的IEEE生物医学电路和系统交易研究报告中描述的新方法中,特征提取和分类过程被合并到一个单独的自动化系统中,从而能够更早和更准确地预测癫痫发作。

此外,研究人员还采用了另一种分类方法,即深度学习算法从不同电极位置提取并分析患者大脑活动的时空特征,从而提高了模型的准确性。最后,EEG读数可能涉及多个电活动“通道”,因此Daoud和Bayoumi应用了一种额外的算法来识别最合适的电活动预测通道;这也加快了预测过程。

研究人员利用波士顿儿童医院22名患者的长期脑电图数据开发并测试了他们的方法。虽然这是一个小样本,结果证明令人兴奋的团队。他们的模型不仅非常精确,达到99.6%,而且误报率也很低,每小时0.004次。

在产生这样的结果之前,系统确实需要一些设置。达乌德说:“为了在早期预测时间内达到这种高精度,我们需要对每个患者进行模型训练,”他指出,训练可能需要在癫痫发作期间(包括癫痫发作期间)进行几个小时的无创脑电图监测。“这段录音可以通过市面上出售的可佩戴脑电图电极在门诊进行。”

随着软件组件的完成,Daoud说下一步是开发一个定制的计算机芯片来处理算法。他说:“考虑到系统规模、功耗和延迟等诸多问题,我们目前正在设计一种高效的硬件(设备)来部署这种算法,以便以一种舒适的方式适合实际应用。”。