关键要点：
- 人工智能平台成功识别出相当比例病历记录不完整的患者。
- 临床医生对数据准确性、减少病历审查时间及快速识别手术候选人的效果表示满意。
基于人工智能的注册平台可通过提取不完整医疗记录中的数据改善癫痫护理，在涉及手术评估的临床决策过程中减轻医生负担，最新研究数据表明。
“癫痫护理产生大量细微信息——癫痫发作模式变化、药物反应、安全风险——这些信息被仔细记录，但在实际临床实践中，要在多年积累的笔记中追踪这些信息极其困难，”西弗吉尼亚大学洛克菲勒神经科学研究所儿童神经科学史蒂夫·A·安托林冠名讲席教授兼副主席P·大卫·阿德爾森医学博士在介绍美国癫痫学会年会报告的研究时向Healio表示。
数据来源于Adelson PD等人在2025年12月5-9日亚特兰大举行的美国癫痫学会年会上发表的研究：《癫痫自主临床注册库：多学科护理中的生成式人工智能决策支持》。“即便是专家团队也可能错过高级影像检查、药物调整或手术评估的机会，仅仅因为关键信号被埋藏在叙述性文档中，”阿德爾森表示。
在美国癫痫学会年会上报告的研究中，阿德爾森及其同事探究了临床管控的大型语言模型（LLM）能否实时可靠地提取这些信号，为癫痫项目提供“常在线”支持层，帮助团队发现病历中本已存在但临床决策时难以获取的信息。他们的试点研究在大学EPIC电子健康记录系统中实施了自主注册与分析（AURA）平台，该平台利用生成式人工智能分析药物难治性癫痫患者的自由文本临床笔记、影像报告和评估数据。
目前包含3348名患者（儿科1049名，成人2049名）的注册库平台，能够识别多次抗癫痫药物（ASM）失败、癫痫负担及可能提示适合手术的诊断结果等临床指标。
P·大卫·阿德爾森
对于不完整或模糊的记录（例如缺失磁共振、脑电图、神经心理学评估），研究人员指出，系统会查询既往就诊记录以提取相关数据并标记未解决缺口。它还检测到未满足的标准护理干预措施，例如育龄妇女的叶酸补充。
这项分析820次预约就诊记录的试点研究主要结果是通过追踪护理缺口和就诊前准备度，以及医生对神经外科决策效用的反馈，评估AURA的影响。
在90天试验期内，AURA识别出88名（11%）病历显示符合药物难治性癫痫临床模式但缺乏必要手术转诊的患者。
AURA标记的与诊断检查相关的电子健康记录护理缺口百分比包括：缺失脑电图（35%）、过期或缺失磁共振成像（54%）、神经心理学评估缺失（91%）以及叶酸缺乏（81%）。
研究人员还发现，使用AURA后，临床医生报告就诊前准备度提升、病历审查时间缩短，以及手术候选人识别更加及时。此外，医生的术后结果记录率从1%提高至70.9%。
“我们发现，这些大型语言模型智能体能够通过提取表明患者可能需要改变疗法、安全检查或手术评估的隐藏线索，有意义地增强而非取代癫痫专家，”阿德爾森向Healio表示。
阿德爾森将AURA的能力比作一支高度训练的医学研究员队伍，能持续阅读病历并在关键时刻标记正确问题，使临床医生专注于判断而非信息检索。
“对患者而言，这意味着更快获得所需护理；对团队而言，它降低了认知负担和不必要的变异性，”他补充道，“对癫痫项目而言，它代表了在整个患者群体中提供更安全、更协调和更有效护理的重要进步。”
更多信息：
P·大卫·阿德爾森医学博士可通过neurology@healio.com联系。
来源与披露
来源：
Adelson PD等人. 癫痫自主临床注册库：多学科护理中的生成式人工智能决策支持. 美国癫痫学会年会报告; 2025年12月5-9日; 亚特兰大.
参考：
AI赋能患者注册库识别护理缺口，助力专家在复杂癫痫管理中理清线索. 2025年12月5日发布. 2025年12月5日访问.
披露： 阿德爾森报告无相关财务披露。本研究由儿童神经科学史蒂夫·A·安托林讲席基金和刘易斯家族研究与教育基金支持。
【全文结束】
