新研究用AI预测癫痫发作,准确率达99.6%

路易斯安那大学拉斐特分校的两名研究人员 针对癫痫病发,开发了一种新的AI驱动模型——可以在发病前一小时内预测癫痫的发生率,准确率为99.6%。

来源 / techcrunch 编译 / 张大笔茹、陈若朦 出品 / 公众号“大数据文摘”(ID:BigDataDigest)理论派经授权发布

癫痫(其英语为Epilepsy,源自古希腊文中的动词 “ἐπιλαμβάνειν”,意为“折磨”),对于我们来说并不是一种陌生的病症。这是一种长期性神经系统疾病,可由脑电图确诊大脑皮质神经细胞异常。

癫痫的特点是长期反复发作抽搐。这些发作可能因涉及的脑部区域和病人年龄有好几种不同形式。癫痫的根本病因是遗传性、器质性精神病,或者代谢异常。少数病例由脑部外伤导致,例如、中风、脑肿瘤、服毒或酗酒,但不会因为感染而引发。

根据世界卫生组织(world Health Organization)的数据,全世界约有5000万的癫痫病人。大脑中细胞之间的电子信号交换有误时会引起癫痫发作,然而这往往很少、甚至没有提前预警。

于是,路易斯安那大学拉斐特分校的两名研究人员Hisham Daoud和Magdy Bayoumi针对癫痫病发,开发了一种新的AI驱动模型——可以在发病前一小时内预测癫痫的发生率,准确率为99.6%。

新预测模型,准确率99.6%

预测癫痫发作并非易事,尤其是对人工智能而言。机器学习系统本质上是基于数据的:你喂的数据越多,训练和结果就越好。不幸的是,癫痫发作的频率、发病前的检测时间、持续时间和相对强度可能因受试者的不同而有很大差异。

Daoud和他的同事Magdy Bayoumi不是最早研究预测癫痫发作方法的人。其他科研人员用脑电图(EEG)测试分析大脑活动并用这些数据开发预测模型。但是,由于每个人都有出不同的大脑模式,因此准确预测癫痫发作是很困难的。以前的模型被设计为两个阶段,必须手动提取大脑模式,然后再应用分类系统,这增加了模型的复杂性。

于7月24日关于生物医学电路和系统的IEEE交易会上,研究人员介绍了的新方法——即将特征提取和分类过程组合到单个自动化系统中,从而可以更早、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,即深度学习算法可从不同的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。EEG读数可能会涉及多个电活动“通道”,因此Daoud和Bayoumi采用另一种算法来识别最佳电活动预测通道,这也加快了预测过程。

研究人员用来自波士顿儿童医院的22名患者的长期EEG数据开发并测试了他们的算法。尽管样本量很小,但结果却令团队兴奋不已!他们的模型不仅非常准确,达到了99.6%,且误报率也很低,每小时的误报率仅为千分之四。

但是,系统在产生结果之前也需要设置。Daoud解释说:“为了在早期预测时间内达到如此高的准确性,我们需要对每个病人进行模型训练。”这个设置过程需要在癫痫发作时进行几个小时的非侵入性脑电图监测。

预测癫痫发作,改善患者生活

在抽搐高峰发生后、正常意识水平恢复正常前,患者通常会经历一段意识混乱的时期,被称为是发作后期。此阶段通常长3到15分钟,但也可能持续数小时。其他常见的症状包括:感觉疲惫、头痛、言语困难、以及行为异常。

癫痫可能会在社会支持和心理福祉上造成负面影响,包括被他人孤立、羞辱,或肢体残障。也可能导致较低的教育水平和就业不易。患者常有学习困难的问题,尤其在患有癫痫的儿童身上。在公开场合发作,可能对患者与家庭带来异样眼光。

“意外的癫痫发作对患者有强烈的心理影响和社会影响。”共同开发新模型的研究人员Hisham Daoud表示。

提前发现癫痫发作可以大大改善癫痫患者的生活质量,并使他们有足够的时间提前采取行动,要知道70%的患者可通过药物控制癫痫发作。

这项新开发的人工智能系统是对现有预测癫痫病发方法的重大飞跃。研究人员现在已经将注意力转向开发合适的硬件和芯片组,以充分实现他们的人工智能系统作为癫痫干预的可行解决方案。

这项技术的研发和测试仍然需要一些时间,研究者们希望,开发一款与Apple Watch功能类似的个性化设备来检测不规则的心脏活动——或许有一天这将会成为癫痫患者的标准治疗方案。

是否接受手术?AI给出建议

癫痫手术常被推荐给对药物治疗没有反应的患者。许多病人不愿接受脑部手术,部分原因是害怕手术风险,而且事实上只有三分之二的病人在手术一年后没有发作。

为了解决癫痫患者在治疗上的这一关键缺口,南卡罗莱纳医科大学(MUSC)神经学家开发了一种基于人工智能的新方法,它可能最终帮助患者和医生权衡使用脑外科手术治疗由癫痫引起的衰弱性癫痫发作的利弊。

整个大脑的连接体是这项研究的关键组成部分,它是一个人大脑中所有物理连接的地图。通过对弥散性磁共振成像(dMRI)的深入分析,绘制出患者的脑图。深度学习方法能够以一种更可靠的统计方法分离模式,从而提供一个高度准确的预测。

图中显示了一个个性化的结构连接体;所有可能的大脑区域之间的连接强度被用来训练一个深度神经网络来预测两种结果之一:癫痫发作自由(SF)或癫痫复发(NSF)

目前,对难治性癫痫患者进行脑外科手术的决定是基于一系列临床变量做出的,包括影像学研究的视觉解释——但分类模型在预测术后患者预后方面的准确率为50~70%。MUSC神经学家开发的深度学习方法的准确率为79~88%。这给了医生一个更可靠的工具来决定是否对癫痫患者进行手术。

相关报道:
1.https://techcrunch.com/2019/11/06/elon-musk-will-reveal-teslas-cybertruck-all-electric-pickup-on-nov-21/
2.https://www.technologynetworks.com/informatics/news/teaching-ai-to-predict-epilepsy-310352

参与评论

请输入你的评论!
请在这里输入你的名字