Неотдавнашно усилие, известно като Omni-iEEG, обединява мозъчни записи преди операцията от осем центъра за епилепсия, обхващащи 302 пациенти и 178 часа данни, опитвайки се да облагодетелства страдащите от епилепсия, наброяващи над 50 милиона души по света. [Photo provided to chinadaily.com.cn]
Тъй като изкуственият интелект (AI) става все по-разпространен в изследванията на здравеопазването, китайски лекар, работещ върху приложения за машинно обучение, е пионер в изследването в полза на страдащите от епилепсия, които наброяват над 50 милиона души по света.
„Инфраструктурата определя дали иновациите могат да се преведат“, каза д-р Yipeng Zhang, изследовател, работещ върху приложения за машинно обучение при епилепсия – неврологично състояние, характеризиращо се с необичайна или прекомерна мозъчна активност, която води до припадъци. „Ако искаме AI да помага при вземането на хирургически решения, имаме нужда от рамки, които позволяват резултатите да се сравняват в болниците.“
Около една трета от страдащите от епилепсия по света получават припадъци, които не могат да бъдат контролирани с лекарства. За много от тези пациенти хирургичното отстраняване на мозъчната тъкан, причиняваща пристъпи, осигурява най-добрия шанс за дългосрочно облекчение. Идентифицирането на тази тъкан зависи до голяма степен от интракраниална електроенцефалография (iEEG), запис с висока разделителна способност на мозъчната активност от имплантирани електроди.
През последното десетилетие изследователите разработиха системи за изкуствен интелект, за да помогнат при анализирането на iEEG записи — особено при откриване на високочестотни трептения (HFOs) — и сигнални модели, свързани с региони, генериращи пристъпи. Много проучвания съобщават за обещаващо представяне.
Въпреки това, повечето AI системи в това пространство се обучават на данни от една болница или изследователски център. Разликите в протоколите за записване, конвенциите за етикетиране и клиничните дефиниции затрудняват сравняването на резултатите между институциите или определянето дали констатациите се обобщават.
„Полето е съсредоточено силно върху подобряване на точността на AI“, каза Джан, отбелязвайки, че „без споделени стандарти за оценка е трудно да се знае дали системите ще работят надеждно извън първоначалната настройка на проучването.“
По-ранната работа на Джан се фокусира върху усъвършенстването на патологичното откриване на HFO и допринесе за развитието на PyHFO, изследователски инструмент, използван от независими групи, изучаващи мозъчната активност, свързана с припадъка. Той каза, че подобряването на отделните системи е само част от предизвикателството.
Неотдавнашно усилие, известно като Omni-iEEG, обединява мозъчни записи преди операцията от осем центъра за епилепсия, обхващащи 302 пациенти и 178 часа данни. Наборът от данни привежда клиничните метаданни в съответствие с общи стандарти и дефинира сравнителни задачи, които свързват изходните данни на AI системата с резултатите от следоперативните пристъпи.
Вместо да оценява дали даден алгоритъм може да открие анормални сигнали сам, рамката оценява дали мозъчните региони, идентифицирани от AI, съответстват на по-добри хирургични резултати.
Регулаторните агенции все повече наблягат на възпроизводимостта и междусайтовото валидиране в медицинския ИИ. Експертите казват, че многоцентровите показатели може да станат съществени, преди такива системи да могат да бъдат интегрирани в рутинното хирургично планиране.
Тъй като AI интелигентността продължава да се разширява в клиничните изследвания, някои експерти предполагат, че следващата фаза на напредък може да зависи по-малко от нови алгоритми и повече от споделени стандарти, които позволяват надеждно валидиране.
За хирургия на епилепсия, където решенията са необратими и прецизността се измерва в милиметри, тази промяна може да има значителни последици.
Благодарение на chinadaily.com.cn
Моля, посетете: