内盖夫本-古里安大学(BGU)的研究人员开发了Epiness，这是一种基于机器学习算法检测和预测癫痫发作的设备。这种可穿戴设备可以对即将发作的癫痫发出提前警告，并在发病前一小时发送到智能手机上。该系统被授权给一家初创公司NeuroHelp进行进一步的开发和商业化，该公司由BGU的技术转让公司BGN Technologies和BGU认知与脑科学系的Oren Shriki博士以及NeuroHelp的科学创始人共同成立。
阅读更多普渡大学研究人员开发了可穿戴设备，可能有助于防止癫痫猝死
癫痫是一种非常普遍的神经疾病，有时会使人衰弱。高达30%的患者对抗癫痫药物没有充分的反应，生活在对即将发生的癫痫发作的持续恐惧中。对于这样的患者，可行的癫痫预测设备可以大大改善生活质量。目前的癫痫警报设备可以实时检测到癫痫发作，但无法提供即将发作的提前警告，说新闻稿．
Epiness基于一种全新的、突破性的结合，将基于脑电图的大脑活动监测与专有的机器学习算法相结合。该设备将可穿戴EEG设备与最先进的软件相结合，最大限度地减少必要的EEG电极数量，并优化电极在头皮上的位置。复杂的机器学习算法旨在过滤与大脑活动无关的噪声，提取潜在大脑动力学的信息测量，并区分预期癫痫发作前的大脑活动和预计不会发生癫痫发作时的大脑活动。
“癫痫发作使癫痫患者面临各种可预防的危险，包括摔倒、烧伤和其他伤害，”Oren Shriki博士说。“不幸的是，目前还没有癫痫预测设备可以提醒患者，让他们为即将到来的癫痫做准备。因此，我们非常兴奋地发现，我们开发的机器学习算法能够在癫痫发作前一小时准确预测癫痫发作。”
NeuroHelp主席Hadar Ron博士评论道:
“无法通过药物充分控制的癫痫很普遍，占癫痫病例的30%，因此，一种准确、易于使用的癫痫发作预测设备是非常必要的，但尚未满足的医疗需求。Epiness的独特之处在于它可以预测即将发生的癫痫发作，并允许患者和他们的护理人员采取预防措施，防止受伤。它也是唯一基于大脑活动而不是肌肉运动或心率的设备。我们相信Epiness将成为治疗耐药癫痫的宝贵工具。”
