新的AI系统近乎完美的预测癫痫发作

对于全世界约有5000万人的癫痫病，大脑中细胞之间的电信号交换有时会变成麻烦，并引起癫痫发作-往往很少甚至没有预警。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AI驱动的模型，该模型可以预测发病前一小时内发作的发生率，准确率达99.6%。

“由于意外的癫痫发作时间，癫痫症对患者具有强烈的心理和社会影响，”共同开发新模型的研究人员Hisham Daoud解释说。

他说，提前发现癫痫发作可以大大改善癫痫患者的生活质量，并为他们提供足够的时间采取行动。值得注意的是，这些患者中多达70%的患者可通过药物控制癫痫发作。

Daoud和他的同事Magdy Bayoumi绝不是最早探索预测癫痫发作方法的人。其他研究小组研究了使用脑电图(EEG)测试分析大脑活动的方法，并使用这些数据开发了预测模型。但是，每个人都有独特的大脑模式，因此很难准确预测癫痫发作。以前的模型被设计为分两个阶段执行，其中必须手动提取大脑模式，然后应用分类系统，Daoud说，这增加了模型的复杂性。

此外，研究人员采用了另一种分类方法，其中深度学习算法从不同的电极位置提取并分析了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应用了另一种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。

研究人员使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方法。尽管这只是一个很小的样本，但结果证明对团队来说是令人兴奋的。他们的模型不仅非常准确，达到了99.6%，而且误报率也很低，每小时的误报率为0.004。

系统确实需要进行一些设置才能产生这样的结果。Daoud表示：“为了在早期预测时间内达到如此高的准确性，我们需要对每位患者进行模型训练。”他指出，训练可能需要在癫痫发作前后数小时进行非侵入性EEG监测，包括癫痫发作本身。“通过商业上可买到的EEG可穿戴电极，可以[完成]离线记录。”

Daoud说，随着软件组件的完成，下一步是开发定制的计算机芯片来处理算法。他说：“我们目前正在设计一种部署此算法的高效硬件[设备]，并考虑到许多问题，例如系统大小，功耗和等待时间等，以适合患者的舒适方式适合实际应用，”他说。