南加州大学（USC）的研究人员开发了一个AI系统，该系统有望改善对罕见且复杂的癫痫病例的检测。
检测癫痫的复杂性
癫痫病是一种影响美国超过340万个人和全球6500万人的疾病。这种疾病会影响神经系统并导致癫痫发作。
研究人员引用的统计数据表明，一生中有1人可能患有癫痫病，而每年有1000名癫痫病人中有1人每年因意外原因而死。
因此，研究人员指出，早期检测对于有效的癫痫治疗至关重要。世界卫生组织（WHO）认为，如果有适当的诊断和治疗，有70％的癫痫患者可以无癫痫发作。
该团队表示，已经创建了各种机器学习技术来检测和分类由脑电图（EEG）信号引起的癫痫发作。
从大脑中植入的电极获得的信号表现出复杂的模式和相关性，这些模式通常超过人类分析的能力。尽管有进步，目前的AI系统在识别罕见的癫痫发作方面遇到困难。
主要挑战源于AI对数据的依赖，以识别模式并进行精确的预测。在癫痫发作的情况下，培训数据中示例的可用性有限会阻碍AI的有效性。
AI用于癫痫检测
为了应对这一挑战，USC研究人员设计了一个AI系统，能够通过检查大脑内部的相互作用来识别癫痫。该团队报告说，与现有模型相比，该系统显示出12％的增强。
AI可以通过合并通常在传统系统中忽略的不同数据输入（包括EEG电极的放置以及其监视下的大脑区域的位置）来检测模式来表达截止癫痫发作。
这种方法使AI即使使用稀疏数据也能够产生准确的结果，这对于识别培训数据集中有限实例的稀有癫痫发作类型特别有价值。
例如，该系统可以检测到癫痫发作，这是罕见的发生，主要影响儿童，其特征是突然失去了肌肉控制。
AI可以通过分析大脑区域内的空间关系并专注于与肌肉控制相关的区域（例如运动皮层，基底神经节，小脑和脑干），可以查明表明癫痫发作的活动模式。
此外，根据主要作者Arash Hajisaf的说法，AI框架通过结合每个大脑区域的空间关系，语义和详细描述来增强其识别各种癫痫发作类型相关特征的能力。
研究人员强调，他们的目标不是取代医疗专业人员，而是补充他们在挑战诊断病例方面的专业知识。研究人员设想将该技术集成到能够将数据传输到智能手机的可穿戴传感器中。
“脑癫痫发作非常突然发生，因此早些时候发现癫痫发作确实可以挽救生命，”合着者Cyrus Shahabi在新闻稿中说。 “该系统是否检测到脑波中的任何不规则性，可能会提示警报。这将为诊断和治疗癫痫的治疗带来令人难以置信的机会。”
团队的发现是知识发现和数据挖掘的进步（PAKDD）会议上个月。
