科学家开发出可在长时脑电图记录中诊断非痉挛性癫痫的人工智能
日前，来自圣彼得堡国立大学、国家皮罗戈夫外科医疗中心、因诺波利斯大学、伊曼纽尔·康德波罗的海联邦大学的科学家以及来 研究生产公司员工组成的研究团队，创建了一个基于脑电图结果诊断非痉挛性癫痫发作的程序。为了解决这项任务，研究人员在全球首次使用了极值理论，该理论曾描述各类极端事件——流行病、龙卷风或大型火灾。算法已经在进行临床前试验，其准确性为80%。
研究成果发表在《科学报告》杂志上。
癫痫发作是由大脑神经元突然放电引起的，几乎无法提前预测。癫痫发作并不总是伴有抽搐，并且同一患者的多次癫痫发作症状可能大相径庭。这就是为什么必须及时对癫痫做出诊断，它可以防止对患者造成负面影响。
有种假设认为，癫痫发作可以被认为是生物系统中的一种极端现象。也就是说，从数学的角度来看，它可以与热带的暴雨或海洋中的杀手浪等极端事件做比较，而这些极端事件也是无法预测的。
亚历山大·赫拉莫夫，圣彼得堡大学理论控制论教研室首席研究员，因诺波利斯大学神经科学与认知技术实验室负责人，康德波罗的海联邦大学波罗的海神经技术和人工智能中心首席研究员
不久前，科学家们成功证实了这一假设：他们研究了大鼠癫痫发作的动因，根据有癫痫遗传易感性的特殊品系大鼠的脑皮层电图分析了癫痫发作组织的分布，并且还研究了癫痫患者脑电图谱噪声特征.
其结果是，研究人员成功找到了可将癫痫发作归为极端事件的迹象。首当其冲的便是癫痫放电前脑电图上噪声的增加，以及大脑电活动能量的特殊分布。
科学家们的结论开启了运用数学方法，即极值理论诊断癫痫的可能性。极值理论描述了复杂系统的特定行为模式，其特点是突然发生的和大规模的变化。得益于此，数学家可以确定龙卷风、大型火灾、能源中断甚至药物副作用等极端事件发生的概率。
圣大研究人员与国家皮罗戈夫外科医疗中心、因诺波利斯大学和伊曼纽尔·康德波罗的海联邦大学的科学家以及 公司的研发人员一起，在全球首次运用这一理论创造了人工智能，可以帮助医生在脑电图上搜索癫痫活动，因为诊断癫痫通常是从检查脑电图结果开始。
通常，脑电图扫描会耗时数天。然后，医生在没有计算机帮助的情况下独立分析长时脑电图记录，这需要几个小时。在新算法的帮助下，我们有望将这个时长缩短到5至10分钟。
亚历山大·赫拉莫夫，圣彼得堡大学理论控制论教研室首席研究员，因诺波利斯大学神经科学与认知技术实验室负责人，康德波罗的海联邦大学波罗的海神经技术和人工智能中心首席研究员
正如这位科学家所说，目前还不可能创造出一种能够识别脑电图上大脑癫痫活动的通用人工智能。其原因是，与“正常”活动相比，癫痫发作的持续时间较短，而且每个人的大脑活动通常都非常个体化。这就是神经网络从现成的标记数据库中学习时（例如带有非标准大脑活动标记区域的脑电图结果），研究人员不用传统的监督机器学习，而使用无监督机器学习的原因，也就是说他们为算法提供一个大型未标记数组，并指示它寻找任何非常规的偏差。
国家皮罗戈夫外科医疗中心使用设计的程序对83名患者的脑电图结果进行了测试。为了检查测试的正确性，将结果与癫痫病学家提前标注癫痫发作的脑电图进行了比较。其结果是，在80%的病例中算法结论与医生的标记一致。在第二阶段，科学家们从实验中排除了23份质量欠佳的脑电图记录（可能由于电极放置不准确出现的噪音），人工智能结论的可靠性已经达到100%。
来自圣彼得堡国立大学理论控制论教研室、因诺波利斯大学神经科学与认知技术实验室、波罗的海联邦大学波罗的海人工智能与神经技术中心的研究人员以及 公司的员工参与了这项工作。
该研究是在俄罗斯联邦教育和科学部的国家任务（FZWM-2020-0013）框架内进行的，得到了圣彼得堡国立大学的资助（ID 91924061）。
正如该研究论文的合著者，俄罗斯科学院院士，国家皮罗戈夫外科医疗中心董事长奥列格·卡尔波夫 所说，科学家开发的算法的独特性在于，它分别标记每个患者的数据，并自动考查其个体特征：“由于该算法是基于在大脑神经网络中发现的极端放电现象，它是透明的，也就是说对癫痫学家而言，系统的所有结论都是清楚明白的”。
现在，神经网络正在国家皮罗戈夫外科医疗中心进行临床前试验，但科学家们计划对其进行改进。“下一步将是创建一个混合系统，一种将无监督学习和监督学习相结合的算法。我们还计划找出为什么神经网络没有检测到其中23人的癫痫活动：如果问题出在记录质量不佳，那么我们希望最终确认这一点，”亚历山大·赫拉莫夫指出。“我们希望将算法的准确率至少提高到95%。”