新型AI系統(tǒng)可檢測罕見癲癇發(fā)作

南加州大學計算機科學研究人員開發(fā)了一種新型人工智能系統(tǒng)，可以準確檢測癲癇發(fā)作類型，從而提高對罕見和復雜病例(甚至幼兒)的診斷能力。

美國有超過340萬人患有癲癇，全球有6500萬人患有癲癇，這是一種影響神經系統(tǒng)并導致癲癇發(fā)作的神經系統(tǒng)疾病。每26人中就有1人在一生中的某個階段會患上癲癇，每年每1000名癲癇患者中就有1人因意外死亡。

與許多疾病一樣，癲癇的治療始于早期發(fā)現。世界衛(wèi)生組織估計，如果得到充分診斷和治療，70%的癲癇患者可以擺脫癲癇發(fā)作。

多年來，機器學習技術已經發(fā)展到可以通過大腦電極捕獲的腦電圖(EEG)信號來檢測和分類癲癇發(fā)作，尋找人類無法獨自解決的復雜關聯。

然而，這些系統(tǒng)在檢測罕見的癲癇發(fā)作方面一直舉步維艱。這是因為人工智能依靠數據來學習模式并做出預測——這些罕見癲癇發(fā)作的樣本不足限制了它在較不常見病例中表現良好的能力。

現在，南加州大學的研究人員開發(fā)了一種人工智能系統(tǒng)，通過分析大腦相互作用來識別癲癇，從而改善罕見和復雜病例的診斷。該系統(tǒng)于2024年5月在知識發(fā)現和數據挖掘進展(PAKDD)會議上展示，展示了比最先進模型高出12%的改進。

使用更少的數據生成準確的結果

通過整合人工智能系統(tǒng)在癲癇檢測中通常會忽略的多種信息來源，包括腦電圖電極的位置和它們監(jiān)測的大腦區(qū)域，人工智能可以識別出表明癲癇發(fā)作可能發(fā)生時間的模式或特征。這種技術還可以幫助系統(tǒng)用較少的數據生成準確的結果，即使在訓練數據中可能只有少數示例的罕見癲癇類型中也是如此。

“通常，對于最簡單的用例，人工智能系統(tǒng)可以判斷某人是否患有癲癇，因為這是一個簡單的二元分類，”論文合著者、計算機科學、電氣工程和空間科學教授賽勒斯·沙哈比(CyrusShahabi)表示。“但有些不同類型的罕見癲癇不容易分類——現有技術在這項任務中的準確率很低。”

以失張力性癲癇為例，這是一種罕見的癲癇類型，經常影響兒童，并引發(fā)突然失去肌肉控制和虛脫。在這種情況下，該系統(tǒng)將研究大腦區(qū)域的空間關系，并優(yōu)先考慮涉及肌肉控制的大腦區(qū)域，例如運動皮層、基底神經節(jié)、小腦和腦干，以識別指示失張力性癲癇的活動模式。

“在我們的框架中，我們擁有大腦各個部分的空間關系、語義和描述，”論文主要作者、由Shahabi指導的計算機科學博士生ArashHajisafi說道。“所有這些信息都被納入其中，以幫助模型找出此類癲癇發(fā)作的相關特征。因此，即使你向神經網絡輸入少量樣本，它仍然會學習。”

研究人員表示，這項研究的目的不是取代醫(yī)生，而是補充醫(yī)生對難以發(fā)現的病例的知識。南加州大學神經學家、神經學教授保羅·湯普森(PaulThompson)沒有參與這項研究，他認為這是一個令人欣喜的突破，可能會改變臨床神經學的“游戲規(guī)則”。

湯普森表示：“了解癲癇發(fā)作類型對于早期治療至關重要，但大腦活動的記錄極其復雜。這一突破讓人工智能能夠檢測出人類難以識別的模式，讓臨床醫(yī)生能夠更輕松、更快速、更可靠地完成這項任務。”

研究人員希望該技術未來能夠被融入到向智能手機提供信息的可穿戴傳感器中。

“腦部癲癇發(fā)作非常突然，因此及早發(fā)現癲癇發(fā)作確實可以挽救生命，”Shahabi說道。“如果該系統(tǒng)檢測到腦電波有任何異常，就會發(fā)報。這將為癲癇的診斷和治療帶來難以置信的機會。”

標簽：