用腕带预测儿童癫痫发作

追踪癫痫发作的能力有许多潜在的好处:它可以让医生更好地确定最佳剂量和药物的时间，以及能够及时干预，以帮助预防即将发生的癫痫发作。传统上，脑电图(EEG)和皮质电图已被用于评估和预测癫痫发作。

然而，更紧凑、便携的方法——比如可穿戴设备——对医生和病人来说都更有吸引力，可以长期监测癫痫发作。Empatica公司开发的一种生物传感器腕带就是这样一种设备，它可以记录自主神经系统的特征、病人的运动以及其他生命体征和参数。为了了解更多，波士顿儿童医院癫痫中心的Tobias Loddenkemper医学博士和他的同事最近就这一主题进行了首次人体可行性研究。他们试图评估仅从这些腕带获得的数据是否可以准确预测各种类型的癫痫发作儿科患者。“对于病人和他们的护理人员来说，持续的担忧和对可能随机模式的不确定性癫痫发作复发是癫痫最致残的方面之一，”Loddenkemper说。

深入研究人工智能

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，这些患者在2015年至2018年期间入住波士顿儿童医院的长期视频脑电图监测单元。这些病人在病房里要么在手腕上要么在脚踝上佩戴Empatica腕带。利用从腕带收集的数据，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性和局灶性癫痫发作。

为了确定腕带是否能准确预测癫痫发作，他们使用了一种名为深度学习一种人工智能，简称AI，依靠可编程神经网络来执行各种分类任务。传统的机器学习模型仍然需要一些人为的指导，而深度学习算法使用自己的人工神经网络来独立评估其预测的准确性。

预测癫痫发作是可行的

在此基础上，Loddenkemper和他的同事们证明，使用神经网络预测癫痫发作是可行的腕带数据。具体来说，他们发现，在43%的患者中，腕带的可预测性优于偶然性。预测癫痫发作的能力与癫痫发作的类型和发生的时间无关，这表明这种方法可以使广泛的癫痫患者受益。此外，腕带的预测性能随着患者数量的增加而提高，当他们使用所有传感器模式时，这表明收集的数据越大、越丰富，腕带可能越准确。

Loddenkemper解释说:“更精确地预测癫痫发作将使我们能够将治疗滴定到最容易发作的时期，在风险较低的时候潜在的副作用更少，在风险较高的时候更好的治疗覆盖率。”虽然这种腕带的潜在用途还需要几年的时间，但这项研究代表了利用可穿戴设备改善患者护理的重要第一步。

该研究由前波士顿儿童研究员、医学博士、博士克里斯蒂安·梅塞尔(Christian Meisel)领导，现就职于Universitätsmedizin柏林和柏林卫生研究所，发表在2020年10月11日的《科学》杂志上Epilepsia。