研究人员报告称，他们使用一种可移动的仿脑处理器，分析回顾性患者数据中的脑信号，并借助人工智能成功预测了所有患者平均69%的癫痫发作。
这项研究有望为癫痫患者的个性化发作预测铺平道路。
目前，全球三分之一的癫痫患者正遭受难以预测的发作困扰，药物或其他治疗也无法充分控制病情。墨尔本大学格雷姆·克拉克生物医学工程研究所所长、墨尔本圣文森特医院神经内科主任马克·库克表示，这项研究有望显著改善澳大利亚25万名患者及全球6500万名患者的生活。
库克说：“癫痫是一种可能造成严重损害的神经系统疾病。”
他解释说：“癫痫会让一些患者无法进行开车或游泳等简单活动。这项技术有望改善数百万人的生活，并降低这种全球最常见、却又难以治疗的慢性疾病之一所带来的身体、情绪和经济负担。”
据该校生物医学工程系主任戴维·格雷登介绍，这项技术使用了全球最全面的癫痫患者脑电图数据集，数据由置于患者颅骨内的电极采集，因此能够适应每位患者的需求。
格雷登说：“通过采集患者颅骨内的数据，并将其与深度学习和人工智能相结合，我们能够开发出一个可自行训练的系统，让它学习脑部状态以及个体特有的发作前征兆。”
他说：“我们的算法还支持即时、便捷的调整，让患者可以灵活控制警报的灵敏度以及提前预警的时间。”
此前，癫痫发作预测研究只能借助高性能计算机开展。IBM Research-Australia仿脑计算负责人斯特凡·哈勒尔表示，使用IBM的仿脑计算芯片，有望打造可穿戴的实时患者预警系统。
哈勒尔说：“将这项技术部署在一枚邮票大小、耗电量与助听器相当的计算芯片上，使我们能够模拟这类系统未来在现实生活中的运行方式。”
他说：“我们希望有朝一日，这项研究能为辅助技术的开发提供参考，让这类技术不仅能在癫痫患者即将发作时发出警报，还能持续适应其大脑随时间发生的变化。”
库克表示，为个体患者开发可靠的癫痫发作预测方法，是一个极其复杂的研究领域。
他说：“这在很大程度上是因为癫痫在每位患者身上的表现各不相同，而且脑信号也会随时间发生个体化的长期变化。”
库克说：“在我们能够有把握地说可以识别任何一次发作、并在其发生前作出预测之前，还需要继续推进这项研究；不过，这些结果已显示出极大的潜力。”
