南加州大學(xué)計算機科學(xué)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(fù)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(jīng)系統(tǒng)并導(dǎo)致癲癇發(fā)作的神經(jīng)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(xiàn)。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(xué)習(xí)技術(shù)已經(jīng)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(fù)雜關(guān)聯(lián)。
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(shù)據(jù)來學(xué)習(xí)模式并做出預(yù)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(xiàn)良好的能力。
現(xiàn)在，南加州大學(xué)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(fù)雜病例的診斷。該系統(tǒng)于2024年5月在知識發(fā)現(xiàn)和數(shù)據(jù)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(shù)據(jù)生成準確的結(jié)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(shù)還可以幫助系統(tǒng)用較少的數(shù)據(jù)生成準確的結(jié)果，即使在訓(xùn)練數(shù)據(jù)中可能只有少數(shù)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(xué)、電氣工程和空間科學(xué)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(xiàn)有技術(shù)在這項任務(wù)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(jīng)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(guān)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(jīng)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(guān)系、語義和描述，”論文主要作者、由Shahabi指導(dǎo)的計算機科學(xué)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(guān)特征。因此，即使你向神經(jīng)網(wǎng)絡(luò)輸入少量樣本，它仍然會學(xué)習(xí)。”
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(xiàn)的病例的知識。南加州大學(xué)神經(jīng)學(xué)家、神經(jīng)學(xué)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(jīng)學(xué)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(guān)重要，但大腦活動的記錄極其復(fù)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(wù)。”
研究人員希望該技術(shù)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(xiàn)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：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！