醫療科技 · us
讓腦波監測開口說話:癲癇患者以手機回饋,協助AI辨識發作
一項13人住院研究把腦波資料接上對話介面,讓患者查詢身體變化,也能指出系統的誤報。初步結果支持人與機器共同改善辨識,但能否減少癲癇發作、改善日常生活,還沒有答案。
腦波監測能記下癲癇患者大腦的電活動,卻未必能即時解答他們的疑問:剛才的不適是否伴隨異常訊號?睡眠又有什麼變化?賓夕法尼亞大學團隊將監測資料接上手機對話介面,嘗試讓患者既能讀懂自己的資料,也能用親身經驗協助系統學習。這項概念驗證研究於10月13日刊登在《Nature Medicine》。
研究納入13名在癲癇監測病房接受連續錄影腦波檢查的成人,其中11人使用頭皮電極、2人接受顱內監測。這是一項單一中心的觀察研究,沒有改變標準治療。平台串接院內腦波資料、安全雲端分析與手機應用程式,由大型語言模型支援雙向溝通;因此,受測的是住院監測原型,長期居家使用尚待驗證。
患者可以詢問腦波與睡眠趨勢、查看圖表,或記錄症狀與感受;系統則能發送提醒和問卷。據Penn Medicine介紹,團隊共分析1,307則往來訊息,內容多涉及發作、睡眠、情緒與精神狀態。對話的作用不只在於呈現數據,也在於補上感測器無法直接取得的主觀經驗。
這些回饋進一步成為調整發作偵測模型的材料。患者可標記哪些提醒符合自身經歷、哪些可能是誤報,臨床人員也能覆核事件。論文報告,在模擬依時間順序更新模型的分析中,利用平台收集的患者標註進行微調,使誤報減少80.9%。這支持回饋有助改善辨識,卻不能直接解讀為患者的發作次數減少。
辨識能力仍有明顯缺口。在可使用標註功能的11名患者中,臨床人員確認了59次發作,原始系統提醒僅正確捕捉其中8次。減少誤報與避免漏掉真正發作,是必須同時衡量的兩件事;小型住院研究中的改善,也不足以證明系統能在日常生活中可靠地提供警示。
研究的另一項基礎是可供核查的資料。Pennsieve Discover公開資料集涵蓋全部13名參與者,列有597個檔案、合計285.96 GB,包括去識別化的連續腦波、發作時間軸、患者回報、睡眠與用藥紀錄,以及模型微調前後的輸出和評估指標。資料集於8月13日更新至第二版,採CC-BY-NC-SA-4.0授權,提供其他研究者重現與檢驗結果的材料。
從病房走向居家,還需要更長時間、更多患者的測試。論文指出,研究期間每天都有人員檢視患者與AI的互動;這種監督條件能否延伸至院外,是實際部署的重要問題。團隊接下來將評估發作頻率與嚴重度、生活品質及醫療使用情形。現階段較清楚的成果,是建立了患者參與監測與模型修正的管道,臨床效益則仍待直接證明。