← 返回首頁

讓病人回饋教會AI辨識癲癇:13人研究探索雙向腦波監測

透過手機對話,患者能查詢腦波、回報症狀,也能指出警報是否準確。小型住院研究顯示,這些回饋有助於在模擬中減少誤報;能否改善日常照護,還有一段驗證之路。

By SURL BioNews

腦波能記錄癲癇發作時的電活動,卻未必說得出患者當下的感受。若監測系統發出警報後,能再問一句「你剛才有症狀嗎?」,病人的回答是否能幫助它學得更準?一項刊於《Nature Medicine》的小型研究,開始把這種雙向互動帶進癲癇監測。

美國賓州大學團隊招募13名接受持續影像腦波監測的成年住院患者,其中11人使用頭皮腦波、2人接受顱內腦波監測。這是一項單中心觀察研究,沒有改變標準治療;參與時間中位數約為4.9天,主要用來檢驗系統能否運作,以及患者如何使用它。

平台將腦波擷取、安全雲端分析與手機上的對話式AI串接起來。專門的演算法先分析發作機率、睡眠等訊號,對話介面再讓患者查詢資料、查看趨勢或回報症狀。研究共分析1,307則往來訊息。據賓州大學醫學院說明,互動內容涵蓋發作、睡眠、情緒與精神狀態,讓生理紀錄有機會補上患者的主觀經驗。

關鍵測試則在於:這些回覆能否改善偵測器。研究者利用收集到的資料,模擬系統依時間順序更新模型,再以尚未使用的後續資料評估表現。在6名提供手機警報標註的患者中,回饋微調後的模擬結果顯示,誤報率下降,綜合衡量偵測表現的F1分數也提高。這支持了患者參與個人化監測的可行性,但模型改善是在模擬分析中驗證,不能直接視為長期臨床成效。

減少誤報,也不能單獨代表系統已可靠。論文另報告,在可評估的即時手機警報中,58次警報僅8次對應經臨床確認的發作,而同期共有59次確認發作。患者可能漏回、延遲回覆,或未察覺某些發作;因此,患者標註可以提供學習線索,仍不能取代專業判讀。

10月16日刊出的《Nature Medicine》評論,其公開預覽肯定患者透過對話協助微調偵測器的方向,也指出更困難的挑戰是讓AI作出適當回應。當系統談論的是腦波與症狀,辨識訊號只是其中一環;如何解釋不確定結果、何時需要醫療人員介入,同樣影響實際使用的安全性。

下一步,是把短期住院測試推向日常生活。賓州大學團隊表示,後續將評估門診使用,以及發作頻率、生活品質與急診就醫等結果。這項研究目前提供的是一條可供驗證的路徑:讓患者的經驗成為監測系統的學習資料;至於它能否減輕疾病負擔,仍須由更大規模、時間更長的研究回答。

References

  1. Nature Medicine
  2. Penn Medicine
  3. Nature Medicine