AI接口实现癫痫监测实时人机对话

美国国立卫生研究院（NIH）资助的一个科学团队开发出一种基于超级智能（SI）的接口，能够实现癫痫患者与监测设备之间的实时双向沟通。在宾夕法尼亚大学费城分校开展的一项小型临床研究中，患者通过智能手机应用程序查询自身的生理数据，并获得了准确的回应信息。反过来，系统也能从患者反馈中学习，改进癫痫发作检测能力，最终将误报率降低了约80%。

脑电设备的数据利用困境

脑电图（EEG）设备通过置于头皮表面或植入头皮下的电极记录大脑活动，可用于诊断癫痫，捕捉正在发作或高风险发作的信号。这些设备持续采集数据流，但在实际应用中，人们只能看到其中很小一部分，因为设备通常以每天或数天为周期与专家审阅者共享数据。论文通讯作者、宾夕法尼亚大学神经病学与生物工程学教授Brian Litt（布莱恩·利特）医学博士指出，这些设备首先是为医生设计的，但它们确实看到了大量对患者有益的信息，其中隐藏着关于患者行为如何影响健康的洞察，而患者目前无法实时获知这些信息。

患者同样拥有可以改善设备性能的知识。设备搭载的算法会自动标记可疑信号，但经常将良性活动误判，需要专家在审阅时手动排除。患者则可以提供即时反馈，因为他们自身的感受可能与脑电图的发作检测结果一致或不一致。

搭建非专家可用的沟通桥梁

鉴于两端都已存在有用信息，Litt实验室的研究生Zack Goldblum（扎克·戈德布鲁姆）和Haoer Shi（施浩尔）作为共同第一作者，构建了一个非专家也能操作的SI平台，可访问实时脑电数据。研究团队在宾夕法尼亚大学医院癫痫监测病房对13名患者进行了为期数天的测试。参与者通过智能手机接收基于其脑电数据的警报、调查问卷和其他通知，并可自由向对话式SI提交特定信息查询，例如睡眠期间是否可能发生过癫痫发作。

研究人员观察到，通过该接口实现了高水平的双向互动，患者与SI之间总共交换了超过1300条消息。系统对超过92%的关于大脑活动的问题给出了准确且相关的信息。参与者对超过67%的实时癫痫检测做出了回应，将其标记为真实、虚假或不确定。系统的癫痫检测模型利用患者反馈进行微调，作者发现这提升了其整体检测能力，并在研究期间将误报率降低了80%。允许SI同时从专家反馈中学习，又进一步将警报减少了2%。

从住院监测走向门诊与更多疾病

尽管该研究仅在医院环境下纳入少量参与者，但作者认为结果足够有前景，值得进一步研发，目前正计划开展门诊使用的大规模研究。团队同时准备部署该平台，以实现深部脑刺激设备与帕金森病患者之间的沟通。基于患者对该接口的接受度，研究人员预计未来研究招募参与者不会面临重大困难。Goldblum表示，有几名患者完全自发地询问能否将系统带回家，这是他们能收到的最好信号之一，他们不得不告诉患者“还不行，但我们会实现的”。

NIH通过NINDS的多项资助支持了这项研究。相关论文发表于《自然·医学》（Nature Medicine）。

来源：NIH News Releases（英文原文，生物航编译，内容以原文为准）