Неотдавнашно усилие, известно като Omni-iEEG, обединява мозъчни записи преди операцията от осем центъра за епилепсия, обхващащи 302 пациенти и 178 часа данни, опитвайки се да облагодетелства страдащите от епилепсия, наброяващи над 50 милиона души по света. [Photo provided to chinadaily.com.cn]
Тъй като изкуственият интелект (AI) става все по-разпространен в изследванията на здравеопазването, китайски лекар, работещ върху приложения за машинно обучение, е пионер в изследването в полза на страдащите от епилепсия, които наброяват над 50 милиона души по света.
„Инфраструктурата определя дали иновациите могат да се преведат“, каза д-р Yipeng Zhang, изследовател, работещ върху приложения за машинно обучение при епилепсия – неврологично състояние, характеризиращо се с необичайна или прекомерна мозъчна активност, която води до припадъци. „Ако искаме AI да помага при вземането на хирургически решения, имаме нужда от рамки, които позволяват резултатите да се сравняват в болниците.“
Около една трета от страдащите от епилепсия по света получават припадъци, които не могат да бъдат контролирани с лекарства. За много от тези пациенти хирургичното отстраняване на мозъчната тъкан, причиняваща пристъпи, осигурява най-добрия шанс за дългосрочно облекчение. Идентифицирането на тази тъкан зависи до голяма степен от интракраниална електроенцефалография (iEEG), запис с висока разделителна способност на мозъчната активност от имплантирани електроди.
През последното десетилетие изследователите разработиха системи за изкуствен интелект, за да помогнат при анализирането на iEEG записи — особено при откриване на високочестотни трептения (HFOs) — и сигнални модели, свързани с региони, генериращи пристъпи. Много проучвания съобщават за обещаващо представяне.
Въпреки това, повечето AI системи в това пространство се обучават на данни от една болница или изследователски център. Разликите в протоколите за записване, конвенциите за етикетиране и клиничните дефиниции затрудняват сравняването на резултатите между институциите или определянето дали констатациите се обобщават.
„Полето се фокусира силно върху подобряването на точността на AI“, каза Джан, отбелязвайки, че „без споделени стандарти за оценка е трудно да се знае дали системите ще работят надеждно извън първоначалната настройка на проучването“.
По-ранната работа на Джан се фокусира върху усъвършенстването на патологичното откриване на HFO и допринесе за развитието на PyHFO, изследователски инструмент, използван от независими групи, изучаващи мозъчната активност, свързана с припадъка. Той каза, че подобряването на отделните системи е само част от предизвикателството.
Неотдавнашно усилие, известно като Omni-iEEG, обединява мозъчни записи преди операцията от осем центъра за епилепсия, обхващащи 302 пациенти и 178 часа данни. Наборът от данни привежда клиничните метаданни в съответствие с общи стандарти и дефинира сравнителни задачи, които свързват изходните данни на AI системата с резултатите от следоперативните пристъпи.
Вместо да оценява дали даден алгоритъм може да открие анормални сигнали сам, рамката оценява дали мозъчните региони, идентифицирани от AI, съответстват на по-добри хирургични резултати.
Регулаторните агенции все повече наблягат на възпроизводимостта и междусайтовото валидиране в медицинския ИИ. Експертите казват, че многоцентровите показатели може да станат съществени, преди такива системи да могат да бъдат интегрирани в рутинното хирургично планиране.
Тъй като AI интелигентността продължава да се разширява в клиничните изследвания, някои експерти предполагат, че следващата фаза на напредък може да зависи по-малко от нови алгоритми и повече от споделени стандарти, които позволяват надеждно валидиране.
За хирургия на епилепсия, където решенията са необратими и прецизността се измерва в милиметри, тази промяна може да има значителни последици.
Нашия източник е Българо-Китайска Търговско-промишлена палaта