正如Endgadget報(bào)道的那樣，兩名人工智能研究人員可能已經(jīng)創(chuàng)建了一個(gè)系統(tǒng)，為癲癇患者創(chuàng)造了新的希望——該系統(tǒng)“可以以 99.6% 的準(zhǔn)確率預(yù)測(cè)癲癇發(fā)作”，并在癲癇發(fā)??作前一小時(shí)內(nèi)完成。

這不會(huì)是第一個(gè)新的進(jìn)步，因?yàn)楹商m埃因霍溫技術(shù)大學(xué) (TU) 的研究人員之前開(kāi)發(fā)了一種可以預(yù)測(cè)夜間癲癇發(fā)作的智能手臂手鐲。但正如IEEE Spectrum所指出的那樣，新的 AI 系統(tǒng)可以運(yùn)行的準(zhǔn)確性和較短的時(shí)間框架，為全球約5000 萬(wàn)癲癇患者帶來(lái)了更多希望(基于世界衛(wèi)生組織的數(shù)據(jù))。在這些患者中，如果按時(shí)服用，其中 70% 的患者可以通過(guò)藥物控制癲癇發(fā)作。

新的人工智能系統(tǒng)由路易斯安那大學(xué)拉斐特分校的 Hisham Daoud 和 Magdy Bayoumi 創(chuàng)建，被譽(yù)為“現(xiàn)有預(yù)測(cè)方法的重大飛躍”。正如開(kāi)發(fā)該系統(tǒng)的兩名研究人員之一 Hisham Daoud 所解釋的那樣：“由于癲癇發(fā)作時(shí)間出人意料，癲癇對(duì)患者產(chǎn)生了強(qiáng)烈的心理和社會(huì)影響。”

正如解釋的那樣，“每個(gè)人都表現(xiàn)出獨(dú)特的大腦模式，這使得準(zhǔn)確預(yù)測(cè)癲癇發(fā)作變得困難。” 到目前為止，先前存在的模型“在兩個(gè)階段的過(guò)程中預(yù)測(cè)癲癇發(fā)作，其中必須手動(dòng)提取大腦模式，然后應(yīng)用分類系統(tǒng)”，正如 Daoud 解釋的那樣，這增??加了進(jìn)行癲癇發(fā)作預(yù)測(cè)所需的時(shí)間.

他們?cè)?月24日發(fā)表于 IEEE Transactions on Biomedical Circuits and Systems的研究中解釋了他們的方法，“特征提取和分類過(guò)程被結(jié)合到一個(gè)自動(dòng)化系統(tǒng)中，從而能夠更早、更準(zhǔn)確地預(yù)測(cè)癲癇發(fā)作。”

為了進(jìn)一步提高他們系統(tǒng)的準(zhǔn)確性，Daoud 和 Bayoumi “采用了另一種分類方法，一種深度學(xué)習(xí)算法從不同的電極位置提取和分析患者大腦活動(dòng)的時(shí)空特征，從而提高了他們模型的準(zhǔn)確性。” 由于“腦電圖讀數(shù)可能涉及多個(gè)電活動(dòng)‘通道’”，為了加快預(yù)測(cè)過(guò)程，兩位研究人員“應(yīng)用了一種額外的算法來(lái)識(shí)別最合適的電活動(dòng)預(yù)測(cè)通道”。

完整的系統(tǒng)隨后在 波士頓兒童醫(yī)院對(duì) 22 名患者進(jìn)行了測(cè)試。雖然樣本量很小，但該系統(tǒng)被證明非常準(zhǔn)確(99.6%)，并且“誤報(bào)率低，每小時(shí)誤報(bào)0.004次”。

正如 Daoud 解釋的那樣，下一步將是開(kāi)發(fā)定制的計(jì)算機(jī)芯片來(lái)處理算法。 “我們目前正在設(shè)計(jì)部署該算法的高效硬件[設(shè)備]，考慮到系統(tǒng)大小、功耗和延遲等許多問(wèn)題，以使患者以舒適的方式適合實(shí)際應(yīng)用。”