腕带预测小儿癫痫发作

追踪癫痫发作的能力有很多潜在的好处:它可以让医生更好地确定最佳的用药剂量和用药时间，还可以及时干预，帮助预防即将发生的癫痫发作。传统上,脑电描记法(脑电图)和皮质电图已被用于评估和预测癫痫发作。

然而，更紧凑、可移植的方法——例如可穿戴设备——对于长期发作的医生和患者来说都更有吸引力监控．Empatica公司开发的一种生物传感器腕带就是这样一种设备，它可以记录自主神经系统的特征、病人的运动以及其他生命体征和参数。为了了解更多，波士顿儿童医院癫痫中心的Tobias Loddenkemper医学博士和他的同事们最近进行了关于这个主题的首次人类可行性研究。

他们试图评估仅仅从这些腕带中获得的数据是否能够准确预测不同类型的癫痫发作儿科病人。Loddenkemper说:“对于病人和他们的照顾者来说，持续的担忧和对癫痫复发可能是随机模式的不确定性是癫痫最具致残性的方面。”

深入研究人工智能

Loddenkemper是医院的临床主任癫痫他和他在洛登坎普研究实验室的团队招募了69名癫痫患者，这些患者在2015年至2018年期间被波士顿儿童长期视频脑电图监测单元收治。这些病人戴着Empatica腕带在手腕上或脚踝上。利用腕带收集的数据，研究人员分析了所有类型的癫痫发作，包括原发性和继发性全身性和局灶性癫痫发作。

为了确定腕带是否能准确预测癫痫发作，他们使用了一种被称为深度学习的技术。深度学习是一种人工智能，依靠可编程神经网络来执行各种分类任务。与仍然需要一些人类指导的传统机器学习模型不同，深度学习算法使用自己的人工神经网络来独立评估其预测的准确性。

预测癫痫发作是可行的

基于这项工作，Loddenkemper和他的同事证明了利用腕带数据预测癫痫发作是可行的。具体来说，他们发现腕带在43%的患者中具有比偶然性更好的可预测性。预测癫痫发作的能力与癫痫发作的类型和发生的时间无关，这表明这种方法可以使广泛的癫痫患者受益。此外，当更多的患者使用所有传感器模式时，腕带的预测性能也会提高——这表明，收集的数据越大、越丰富，腕带的预测精度就可能越高。

Loddenkemper解释说:“更精确地预测癫痫发作，将使我们能够将治疗方法逐步调整到最易发生癫痫发作的时期，在风险较低的时期具有更少的潜在副作用，在风险较大的时期具有更好的治疗覆盖率。”尽管这种腕带的潜在用途还需要几年时间，但这项研究代表了利用可穿戴设备的力量改善病人护理的重要第一步。

这项研究发表在Epilepsia．