智能手錶AI預測癲癇症發作？美研究提早1小時預警準確率九成以上

【智能手錶AI預測癲癇症發作】世界衛生組織估計，每1千人中有4至10人患有癲癇症。全球5,000萬癲癇症病人中有七成人的的症狀可以通過藥物控制。問題是癲癇症發作是不能預計，話來就來，使人苦不堪言。如能以人工智能AI預測癲癇症發作，便可令患者有充足時間應對病情，改善生活質素。

美國路易斯安那大學拉法葉分校（University of Louisiana at Lafayette）科研人員開發出一種人工智能AI系統，可自動預測99.6％癲癇發作。世衛估計，每1千人中有4到10人患有癲癇症。大量研究顯示有70％患者的症狀可以通過藥物緩解。問題是很多患者是無法預測自己何時進入「發作前時期」（Preictal perod, 即癲癇發作前的短暫時期），食藥控制有時會太遲。

因此，路易斯安那大學拉法葉分校教授Magdy Bayoumi和研究員Hisham Daoud希望開發出一套人工智能系統，令預測「發羊吊」不再靠「斷估」。二人研究小組於《IEEE》發表的論文解釋說：

考慮到實時操作，我們提出4種基於深度學習的模型，用於早期而準確的癲癇發作預測。將癲癇發作預測的問題制定為區別／分類（classification）「發作間」（interictal）和「發作前」（preictal ）腦部狀態的工作，當在預定的發作前時期（predetermined preictal period）內檢測到「發作前」狀態時，（區別／分類工作）預期會發出真正的警報。

大腦活動可由腦電圖紀錄觀察得來。但是，各個大腦活動模式各異，即使癲癇症患者也是人人不同：癲癇發作頻率、發作前的檢測時間、癲癇持續時間和相對強度在受試者個體之間可能分別極大。

按常理，AI的根本——機器學習系統本質上是以數據為基礎來運行。提供系統的數據越多，訓練和產生的結果就越好。但是大腦活動個體差別大，不能使用通用的AI訓練數據庫為單一患者創建出癲癇發作預測系統。兩位研究員只能透過人的顱腦電圖掃描的長期記錄來為癲癇發作之前，中和後的大腦活動建立某種基線，從而著手開發預測模型。

研究員把收集不同電極點記錄得來之大腦活動特徵，結合上述的區別／分類過程，引進深度學習演算法，以提升預測癲癇發作的效率及精準度。為22位癲癇症患者進行的測試中，發現自動化系統的預測模型準確度達99.6%，錯誤檢出率僅為每小時0.004次，接近完美。

癲癇知識知多啲（點下圖放大解說）

預測癲癇發作在各方面大為改善癲癇患者的生活質素。例如在癲癇發作發生前發出警報，提供足夠時間採取適當措施、開發新治療方法並製定新應對策略，更深入了解此疾病的性質。

研究員現在專注於開發適用的硬件和晶片組，實現此AI系統及早干預癲癇發作之目標。儘管開發和測試可能會花費一些時間，他們希望可以製造出可以放置於智能手錶等個性化裝置內的晶片，發揮到類似Apple Watch檢測不規則心臟活動的救生功能。