基于手腕设备预测癫痫发作

一项新的研究发现，患者佩戴特殊手表监测设备6至12个月，系统可模式识别并会在癫痫发生前大约30分钟发出警告。
尽管有药物、手术和神经刺激设备，许多癫痫患者仍然会发作。癫痫发作的不可预见性限制了患者。如果癫痫发作可以可靠地预测，患者可以改变他们的活动，服用速效药物或打开他们的神经刺激器来防止癫痫发作或将其影响降至最低。

Mayo Clinic研究人员和国际合作者在《Scientific Reports》上发表了一项新研究，发现患者佩戴特殊手腕监测设备6至12个月，可以被识别出模式，从而设备在癫痫发作前大约30分钟发出警告。这种方法在六分之五的患者身上绝大数时候都很有效。
“就像可靠的天气预报可以帮助人们计划他们的活动一样，癫痫预测也可以帮助患者调整他们的计划，”Mayo Clinic的癫痫科学家、主要作者Benjamin Brinkmann博士说。“这项使用手腕设备的研究表明，在不直接测量大脑活动的情况下，为癫痫患者提供可靠的发作预测是可能的。”1

非侵入性预测系统

在根据非侵入性记录数据设计可靠的癫痫发作预测系统方面存在许多挑战。
训练、测试和验证预测算法需要超长时间的记录和足够数量的癫痫发作。此外，在非卧床环境下对数月到数年的癫痫发作同时进行视频和/或脑电图验证在操作上是困难的，并且使用传统的住院监测方法是不可能的。自我报告的癫痫发作日记是最容易获得的验证，但普遍认为这种日记可靠性差。对住院患者同时进行视频-脑电图验证的设备研究在逻辑上是可行的，但这种研究费用昂贵，持续时间有限，并且限制了可能产生错误警报的正常日常活动，如锻炼、刷牙或其他活动。
由于这些挑战，ILAE-IFCN工作组最近发布了使用非侵入性可穿戴设备进行癫痫发作检测研究的指南，但很少有研究在可移动环境下获得3-4期证据。
最后需指出在癫痫发作预测研究中，必须将包括所有正常活动的动态数据纳入训练、测试和验证集。2

特殊手腕监测设备

在这项研究中，患有耐药性癫痫并已植入监测大脑电活动的神经刺激设备的患者被给予两个佩戴在手腕上的记录设备和一台平板电脑，以便每天将数据上传到云存储。患者被要求佩戴一个手环，另一个则在充电，他们每天在设定的时间更换设备。患者在参与正常活动的同时使用这些设备，为这项研究提供了独特的长期数据。
从可穿戴设备收集的信息包括皮肤的电特性、体温、血流、心率和跟踪运动的加速度数据。使用人工智能的深度学习神经网络方法分析数据，使用时间序列和频率分析算法。因为研究参与者已经植入了一个深度大脑刺激设备来治疗他们的癫痫，这些神经刺激设备被用来确认癫痫发作，使研究小组能够通过手腕佩戴的设备来衡量预测的准确性。
研究方法的具体架构 | Nasseri et al.
这项在小群体中的初步研究已经证明，对于大多数被研究的癫痫患者来说，使用非侵入性手腕佩戴的多模式传感器进行癫痫发作预测比随机预测器进行超长期记录要好得多。可穿戴数据在移动环境中被记录，同时对癫痫事件进行脑电图验证，六名病人中有五名被分析出癫痫发作的预测比随机预测准确得多，而且这五名病人的癫痫发作警报提供了充足的时间，允许使用快速有效的药物或增加神经调节治疗。这是第一个报道在临床环境之外对自由活动的患者超长期记录下成功使用非侵入性设备预测癫痫发作的研究。
Brinkmann博士指出，虽然之前已经通过植入的脑设备显示了预测癫痫发作的能力，但许多患者并不想要侵入性的植入物。该团队希望这项关于可穿戴设备的研究为未来将癫痫发作预测融入临床实践铺平道路，并且这只是一项初步研究，正在记录更多患者的数据，以扩大这项测试。
参考：Nasseri, M., Pal Attia, T., Joseph, B. et al. Ambulatory seizure forecasting with a wrist-worn device using long-short term memory deep learning. Sci Rep 11, 21935 (2021). https://doi.org/10.1038/s41598-021-01449-2https://www.nature.com/articles/s41598-021-01449-2

来源：BME康复工程分会

文章仅用于学术交流，不用于商业行为，

若有侵权及疑问，请后台留言，管理员即时删侵！

更多阅读

你的每一次在看，我都很在意！