用腕带预测小儿癫痫

追踪癫痫发作的能力有很多潜在的好处:它可以让医生更好地确定最佳的用药剂量和时间，并能够及时干预，以帮助预防即将到来的癫痫发作。传统上，脑电图(EEG)和皮质电图被用来评估和预测癫痫发作。

然而，更紧凑、更便携的方法——如可穿戴设备——对医生和患者来说更有吸引力，可以长期监测癫痫发作。其中一种设备是Empatica开发的生物传感器腕带，它可以记录自主神经系统特征、患者运动以及其他生命体征和参数。为了了解更多，医学博士Tobias Loddenkemper和他在波士顿儿童医院癫痫中心的同事们最近进行了第一次关于这个主题的人类可行性研究。他们试图评估仅仅来自这些腕带的数据是否能准确预测各种类型的癫痫发作儿科患者。“对于病人和他们的照顾者来说，持续的担心和对大概是随机模式的不确定性癫痫发作复发是癫痫最严重的致残因素之一，”Loddenkemper说。

深入探索人工智能

该医院临床癫痫研究主任Loddenkemper和他在Loddenkemper研究实验室的团队，招募了69名癫痫患者，他们在2015年至2018年期间住进波士顿儿童长期视频脑电图监测单元。这些病人在病房时将Empatica腕带戴在手腕或脚踝上。利用腕带收集的数据，研究人员分析了所有类型的癫痫发作，包括原发性和继发性全身发作和局性发作。

为了确定腕带是否能准确预测癫痫发作，他们使用了一种被称为深度学习一种人工智能，或称AI，依赖于可编程神经网络来执行各种分类任务。与仍然需要人工指导的传统机器学习模型不同，深度学习算法使用自己的人工神经网络独立评估预测的准确性。

预测癫痫发作是可行的

基于这项工作，Loddenkemper和他的同事证明预测癫痫发作是可行的腕带数据。具体来说，他们发现腕带在43%的患者中具有比随机更好的可预见性。预测癫痫发作的能力与癫痫发作的类型和一天中发作的时间无关，这表明这种方法可以使广泛范围的癫痫患者受益。此外，腕带的预测性能随着病人的增加而增加，当他们使用所有的传感器模式时——这表明收集的数据越大、越丰富，腕带可能就越准确。

Loddenkemper解释说:“更精确地预测癫痫发作将使我们能够将治疗方法滴定到最容易发作的时期，在风险较低的时期有更少的潜在副作用，在风险较高的时期有更好的治疗覆盖面。”虽然这种腕带的潜在应用还需要几年时间，但这项研究代表了利用可穿戴设备的力量改善病人护理的重要第一步。

这项研究由前波士顿儿童研究员、医学博士克里斯蒂安·梅塞尔领导，现就职于Universitätsmedizin柏林和柏林卫生研究所，发表于《美国儿童杂志》2020年10月11日号Epilepsia。

---

---