澳大利亚科学家已经开发出一种低成本的可穿戴系统利用人工智能(AI)预测和警报一个癫痫患者发作时可能会罢工。高达81.4%的预测算法具有敏感性和虚假的预测率低至0.06 /小时。
癫痫发作是由中断触发大脑的电活动。有几种不同类型的癫痫发作。这些发作罢工在很少或没有预警,几乎三分之一的癫痫患者对治疗控制这些攻击。
阅读更多采用人工智能和机器学习在医疗保健
“我们有望发展一个负担得起的,便携式和非手术装置,将可靠的预测为难治性癫痫患者癫痫发作,“Omid Kavehei说,在澳大利亚悉尼大学。
Kavehei说有非凡的发展在人工智能以及微纳米电子设备,使这些系统。“四年前,你不能通过小型电子芯片过程复杂的人工智能。现在是完全可以的。在过去5年中,可能性将是巨大的,”他说。
在他们的研究中,研究人员提出了一个广义,缺失,seizure-prediction技术,可以在30分钟的警报癫痫患者癫痫发作的概率。
该团队使用3数据集欧洲和美国。团队开发了一种预测算法和灵敏度高达81.4%的错误预测率低至0.06一个小时,基于这些数据集。
“虽然这仍然留下了一些不确定性,我们预计,随着我们访问发作数据增加,利率将提高敏感性,”Kavehei说。
研究人员决定创建一个动态分析工具,可以阅读病人的脑电图(EEG)的数据可穿戴帽或其他便携式设备收集脑电图数据。他们利用机器学习。
一种低成本的设备,可穿戴技术附加到它可以提供病人30分钟预警和癫痫发作的可能性。五在癫痫发作前三十分钟,警报会提醒病人给他们充足的时间去寻找一个安全的地方,减轻压力或启动一个干预策略来控制或防止发作。Kavehei说他们的系统的一个优势是,它不太可能需要监管部门的批准,并可以很容易地使用现有植入系统或医学治疗。
为每个单独的算法可以产生优化的功能。他们使用“卷积神经网络”——这一神经网络是高度适应基于EEG数据观察大脑活动的变化。该系统的一大优势是,它随着大脑模式的变化,学习需要最少的工程特性。正因为如此,更快和更频繁的更新信息可以提供给病人,给他们最大的受益于癫痫预测算法。
该研究发表在《华尔街日报》神经网络。
