人工智能在难治性癫痫自适应神经调控中的应用评述

本文要点

1. 神经调控技术可以大幅减少难治性癫痫患者的发作频率，但效果因个体差异而异；这主要是由于癫痫网络及其发作倾向会随着昼夜节律和更长时间段的变化而变化。

2. 人工智能有助于解决神经调控领域中常见的四个临床问题：哪些患者最有可能受益？针对个人的癫痫网络，刺激信号应该施加在哪里？结合不断变化的癫痫发作风险，何时进行刺激才能达到最佳效果？以及如何根据大脑动力学随时间的变化调整治疗方案？

3. 深度学习模型可以直接从神经信号中提取空间、时间和网络层面的特征模式，从而支持对癫痫发作倾向的评估，而不仅仅是检测癫痫发作本身。

4. 将大型预训练模型应用于神经时间序列数据和临床数据，有望提高模型在不同患者群体间的通用性，并实现电生理学、影像学和临床背景信息的深度融合。

5. 要实现临床转化，必须采用可解释且由临床医生全程监管的人工智能系统；这些系统应遵循谨慎原则，严格遵守安全界限，并通过刺激手段恢复大脑网络更加稳定和符合生理规律的活动状态。

文献