人机协作平台实时共同管理癫痫
Human–artificial intelligence collaboration for comanaging epilepsy in real time
研究团队提出一种可与患者对话的癫痫管理设备平台,将头皮和颅内 EEG 连接到基于大语言模型的安全 AI,并通过智能手机应用双向沟通。该平台处理睡眠、用药、认知和癫痫发作概率等生物标志物,记录症状与反馈,并用患者反馈重新训练癫痫检测器以减少误报。平台在 13 名接受视频 EEG 监测的患者中验证(头皮 11 名、颅内 2 名),伪前瞻性模拟显示仅靠患者反馈即可提升检测精确率,无需专家干预。
已发表论文 · journal · 10.1038/s41591-026-04680-4
本站摘要基于收录版本 v1(2026-10-26),原始摘要与 AI 导读固定保留。
IF(5) 52.5 · 2025 · 期刊参考指标
全球7000万癫痫患者中,有三分之一的癫痫发作无法通过药物控制,而植入式设备是一种前景广阔的治疗手段。这些设备能够检测即将发生的癫痫发作、漏服药物以及认知功能受损,但与大多数医疗设备一样,它们无法实时将这些信息传达给患者。这错失了一个良机——设备本可以从临床事件中学习,并教会患者其行为如何影响自身健康。在此,我们提出一种可与患者对话、帮助其管理癫痫的设备平台。住院原型将头皮和颅内脑电图(EEG)与一个安全的、基于大语言模型的人工智能(AI)相连,通过智能手机应用实现双向通信。该AI处理睡眠、用药、认知和癫痫发作概率的生物标志物,向患者通报临床事件和趋势,记录症状和反应,并利用患者的反馈重新训练其癫痫发作检测器,从而减少误报。我们在13名正在接受视频脑电图监测的癫痫患者中验证了该平台(头皮电极,n = 11;颅内电极,n = 2)。在一项伪前瞻性模拟中,仅凭患者反馈,癫痫发作检测器的精确度便得到提升,无需专家干预。我们提出将该系统作为一个可扩展、有安全保障的医疗设备平台,使其能够快速适应癫痫及其他疾病中患者和医疗服务提供者的需求。
来源:Nature Medicine · doi.org