IBM用AI为癫痫患者分类,精准用药提高治愈率

2019-02-06 19:16      雷锋网 未来科技范


  【未来科技范 报道】2月6日消息,近日,IBM研究人员在Arxiv.org上发布了一篇题为「Machine Learning for Seizure Type Classification: Setting the benchmark」的论文,阐述其通过AI阅读脑电波图像,为癫痫患者进行分类的新方法。

  癫痫,俗称「羊角风」或「羊癫风」,是大脑神经元突发性异常放电,导致短暂的大脑功能障碍的一种慢性疾病。在中国,癫痫已成为神经科仅次于头痛的第二大常见病,约有900万患者饱受其困扰,其中仅有50%-60%的患者经过治疗能够痊愈。

  较低的治愈率源于癫痫复杂的发病机理及临床表现,不同类型的癫痫患者需采取不同的治疗方式以及用药配比。因此,对于癫痫病来说,准确的分类至关重要。

  然而,临床上并无很好的癫痫病分类及量化治疗方式,更多依赖于医生的经验,通过问询患者家族病史、病情发作史等表层特征,结合脑电图及头颅磁共振(MRI)、CT、血糖、血钙、脑脊液检查等指标确定治疗方案。

  雷锋网了解到,脑电图检查是诊断癫痫发作和癫痫的最重要手段,且有助于癫痫发作和癫痫的分类。但由于癫痫的病因是「突发性」异常放电,因此需要足够长的描图时间,保证各种诱发试验,特别是睡眠诱发才可捕捉异常。

  这带来了两个问题。其一,医生阅片需要花费大量的时间成本;其二,就算捕捉到异常放电的瞬间,仅靠医生经验也往往难以判断癫痫类别,进而确定诊疗方案。

  为了解决这一问题,IBM科学家们塑造了文章所述的AI算法。研究人员采用美国坦普尔大学关于癫痫疾病的公开脑电图数据集「TUH EEG Seizure Corpus」训练模型,该数据集中包含2012例癫痫疾病患者的脑电图及病症分类,横跨8个癫痫类别。其中60%用作训练数据,20%用作验证数据,20%作为测试集。

  团队充分评估了多种机器学习分类算法,最终选取表现最优的k-NN(k-nearest neighbor)算法,取得了90.7%的准确率。

  雷锋网了解,此次研究并非机器学习与癫痫疾病诊断的首次结合。Kaggle平台关于癫痫的赛题早已上线,该赛题由MathWorks、NINDS(美国国立卫生研究院国立神经障碍研究所)和美国癫痫学会发起举办,不过参赛团队更多的关注如何预测癫痫病的发生,而非为已经发生的癫痫疾病进行分类。

  研究人员表示,此次实验是机器学习技术首次被应用于癫痫疾病的分类工作,对改善患者的长期护理、及时进行药物调整和远程监测均具有影响意义。

IBM

相关阅读