在“柳叶刀”的EBioMedicine中发表:AI的新研究推动了癫痫发作预测的前沿

时间:2019-03-06 18:38:34 阅读:6次

  今天,“柳叶刀”杂志的EBioMedicine期刊将发表一项由IBM Research-Australia和墨尔本大学科学家领导的一项研究,该研究标志着人工智能个性化癫痫预测的重要进展。该研究结果在题为“使用大数据和深度学习的癫痫发作预测:走向移动系统”的论文中描述,使用部署在大脑启发的深度学习算法,在癫痫发作预测方面呈现新的结果,移动处理器。

  

  

  通过使用先前临床研究的数据重新运行10例患者病例,研究人员证明了使用该技术作为可穿戴性癫痫发作警告系统的一部分的可行性。研究人员发现,AI算法成功预测了患者癫痫发作的平均69%,包括之前没有预测指标的患者。目前研究测试的AI算法也不了解未来的数据,这使得研究人员可以模拟系统在现实生活中如何运作。之前发表的研究报告尚未报道前瞻性方法,这意味着他们无法证明这些系统在临床相关环境中如何为真正的患者服务。

  在美国癫痫学会的一项调查中,患者选择癫痫发作的不可预测性作为首要问题,许多人写到担心不知道何时以及会导致癫痫发作。在全世界6500万患有癫痫症的人中,三分之一的人癫痫发作无法控制,对现有的治疗无效[1]。这些惊人的数字在几十年内没有减少,即使自1990年以来有超过14种新疗法,使癫痫预测技术成为可能改善许多患者生活的重要研究领域。

  由于数据量较少,该领域的研究在历史上一直受到限制,但通过墨尔本大学此前的一项研究,该研究能够利用10名癫痫患者的长期iEEG数据记录。这是世界上最大,最全面的癫痫iEEG数据集,从植入大脑的电极中收集,每位患者平均提供320天连续大脑活动记录。

  鉴于癫痫的不确定性,为癫痫发作建立可行的预警系统存在许多障碍,但AI的新进展为临床医生提供了巨大的潜力。迄今为止,许多研究仅限于基于癫痫发作的一般模式的训练算法(Karoly等人,Cook等人) - 例如医生手动选择可预先癫痫发作的标志和模式,然后用于训练预测算法。然而,鉴于大脑活动模式不仅特定于个体而且随时间变化,这些研究人员在长期可靠地预测所有患者癫痫发作的能力方面受到限制。新的深度学习技术帮助我们改进了以前的结果,允许系统自动识别个体患者的癫痫发作模式,并随着时间的推移适应不断变化的大脑信号,而无需人工参与。

  我们发布的系统使用每位患者最初60天的数据进行AI算法训练,然后才进入预测模式。然后定期对系统进行再培训,并以严格具有前瞻性的方式连续测试个体患者数据。 Cook等人报道的相同数据集的部分结果。和Karoly等人。使用大大减少的推理天数来实现这一目标,限制了他们报告这些类型系统的长期性能和实际适用性的能力。我们的结果意味着,在未来,预测系统理论上可以在植入后两个月投入使用,以适应患者大脑活动的变化。

  研究系统监测和测量的示例说明

  在设计癫痫预测装置时,我们还必须考虑患者对如何及何时发出警报的偏好。例如,在睡觉时,患者可能希望“拒绝拨打”,这样系统只会在他们处于非常高的癫痫发作风险时提醒他们,如果有的话。类似地,当驾驶汽车或社交时,由于安全考虑,患者可能更喜欢更敏感的警报系统。这是我们系统中的一个重要考虑因素,可以根据个人喜好调整癫痫发作咨询系统。

  在IBM的神经形态计算芯片上部署系统 - 它从大脑处理数据的方式中获取灵感,从而使我们能够以极其高效的方式运行深度学习算法 - 也为我们的技术如何从中取出提供了新的机会实验室环境。以前的癫痫预测研究已经在高功率计算机上实现,但是如果芯片的大小与邮票一样大,并且在助听器的功率预算下运行,我们就会开始创建智能可穿戴设备。

  在癫痫发作预测研究领域有很多令人兴奋的事情。今天的论文使我们超越了传统人工智能/机器学习的限制,转向深度学习系统,有可能为医疗决策者提供癫痫管理和治疗方面的更多见解。我们在墨尔本大学的合作伙伴继续推进收集数据的方式,最近使用颅骨外的传感器,这种方法对于更多患者而言侵入性更小,更具可扩展性。虽然没有像今天从头骨内部的电极收集的研究那样提供丰富的数据源,但如果我们可以通过外部设置训练我们的算法数据,它可以使我们更接近临床相关的预测系统。

   该项研究“使用大数据和深度学习进行癫痫发作预测:走向移动系统”将在Lancet的EBioMedicine上发表,并于2017年12月在华盛顿举行的美国癫痫学会(AES)年会上展示,DC。该演示文稿被选为AES的“荣誉奖”,标志着它成为会议前三名之一。

   [1] https://www.epilepsy.org.au/

  保存

  保存

  保存

在“柳叶刀”的EBioMedicine中发表:AI的新研究推动了癫痫发作预测的前沿所属专题:AI专题 《在“柳叶刀”的EBioMedicine中发表:AI的新研究推动了癫痫发作预测的前沿》链接:http://www.zhouchuanxiong.net/820

在“柳叶刀”的EBioMedicine中发表:AI的新研究推动了癫痫发作预测的前沿相关文章