全脑连接地图教人工智能预测癫痫结果

南卡罗来纳州医学院（Musc）神经根学家都已经开发了一种基于人工智能的新方法，最终可能最终帮助患者和医生权衡使用脑外手术治疗癫痫造成的衰弱癫痫发作的优缺点。本研究重点关注薄层颞叶癫痫（TLE），发表于2018年9月问题癫痫。除了将这种分析方法纳入临床医生的决策过程的临床意义，这项工作还突出了人工智能如何在医学领域推动变化。

尽管数量增加癫痫可用的药物，多达三分之一的患者是难治性或非响应者的药物。不受控制的癫痫有许多与癫痫发作相关的危险，包括跌倒，呼吸问题甚至突然死亡的伤害。随着正常活动受损，癫痫发作来自癫痫的癫痫发作也大大降低了生活质量。

癫痫手术通常推荐给没有回应药物的患者。许多患者犹豫不决脑部分，部分是由于担心手术风险，并且只有大约三分之二的患者在手术后一年内癫痫发作。为了解决这种癫痫患者，莱昂纳多·博尼尔博士和他的团队在Musc的神经病部门的临界差距看起来预测，在手术后癫痫发作，可能会有哪些患者的癫痫发作。

神经内科首席居民Gleichgerrcht博士解释说，他们试图“纳入先进的神经影像学和计算技术，以预测治疗癫痫发作的手术成果，以便最终提高生命质量”。为此，该团队转向计算技术，称为深度学习，由于该项目所需的大量数据分析。

全脑连接，这项研究的关键组成部分，是一个人大脑中所有物理连接的地图。通过对扩散磁共振成像（DMRI）的深入分析来创建脑图，患者在诊所接受患者。大脑癫痫病人在手术之前被DMRI成像。

深度学习是一种统计计算方法，在人工智能领域内，在数据中自动学习数据中的模式。大脑中的物理连接非常个性化，因此发现多个患者的模式有挑战性。幸运的是，深度学习方法能够以更统计的可靠方法隔离模式，以提供高度精确的预测。

目前，决定执行脑部手术在难治性癫痫患者上，基于一组临床变量，包括对放射学研究的视觉解释。不幸的是，目前的分类模型在手术后预测患者结果方面准确为50％至70％。这深度学习MOSC神经泌虫学家的方法准确为79％至88％。这为医生提供了更可靠的工具，用于决定手术的益处是否超过了患者的风险。

这种新技术的进一步益处是患者不需要额外的诊断测试，因为DMRIS在大多数中心的癫痫患者常规进行。

第一次研究本质上是回顾性的，这意味着临床医生看过过去的数据。研究人员提出了一个理想的下一步，包括多站点前瞻性研究。在一项前瞻性研究中，他们将在手术后与患者手术前至少一年的患者进行患者的DMRI扫描。MOSC神经根学家还认为，整合大脑的功能连接，这是在不同脑区同时发生神经活动的地图，可以增强结果的预测。

Gleichgerrcht博士说，这项研究的发展中的新颖性在于，这是“不是人类与机器的问题，因为我们听到人工智能时往往是恐惧。在这种情况下，我们正在使用人工智能作为一个额外的工具，最终提出了关于手术干预的更好的知情决策，该手术干预持有希望在大量的癫痫病耐心。“

---

---