外媒 | 机器学习模型利用脑活动模式追踪癫痫发作的起源-普瑞纯证

约翰霍普金斯大学的研究人员在《Brain》杂志上发表了一篇论文，介绍了一组机器学习（ML）工具，这些工具能够准确地确定可能导致癫痫发作的脑活动，从而改善癫痫的治疗。根据美国疾病控制和预防中心（CDC）的数据，2015年有1.2%的美国人口患有癫痫。癫痫是一种导致癫痫发作的脑部疾病，会对人们产生各种不良影响。约翰霍普金斯大学的新闻稿还介绍了30%的癫痫患者对药物治疗有抵抗力，只有两种治疗选择：将一种设备植入脑中以停止癫痫发作或进行手术，切除控制癫痫的脑区域。然而，根据新闻稿，这种手术只有一半的成功率。本研究中提出的两个新的机器学习模型能够找到癫痫发作的起源，使临床医生能够将治疗重点放在大脑的这个区域上。研究人员通过研究患者在没有癫痫发作时和在大脑接受快速电脉冲刺激时的脑部情况，使用基于机器学习和微积分的方程来确定脑活动模式，从而识别癫痫发作的起源。研究团队发现，这些模型可以以79%的准确率预测癫痫发作的发生和手术的成功率。

版权声明 本网站所有注明“来源：普瑞纯证”或“来源：pureFDA”的文字、图片和音视频资料，版权均属于普瑞纯证网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：普瑞纯证”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。