洛杉矶——一项研究显示，一种人工智能（AI）模型能够准确检测并排除家庭拍摄的视频中的婴儿癫痫痉挛综合征。德国夏里特大学医学中心的Gadi Miron博士在美国癫痫学会年会上报告称，该模型的受试者工作特征曲线下面积（AUC）为0.96，灵敏度为82%，特异性为90%。研究结果同时发布在medRxiv预印本上。
外部数据集的智能手机视频验证结果显示相似的AUC值为0.98，假阳性率（FPR）为0.75%；与金标准视频脑电图（EEG）相比，AUC为0.98，假阳性率为3.4%。
“如果进一步开发成一个简单、快速的家庭或医生筛查工具，这个工具有着巨大的前景，”洛杉矶西达赛奈儿童健康中心的Deborah Holder博士评论道。“当婴儿患有这种疾病时，我们将其视为神经学紧急情况，因此任何能够快速诊断并让这些婴儿接受医疗治疗的方法都是非常重要的。”
Miron博士同意延迟诊断很常见，因为症状常常被误认，这可能导致长期的认知问题。这一想法来源于父母在YouTube上发布的大量潜在癫痫痉挛视频，他们问道：“这是什么？谁能帮助我？”Miron说。“有一个非常活跃的家长社区试图互相帮助，临床需求基本上就是从这里来的。”
儿科医生和初级保健医生经常收到家长录制的视频，因为这些事件通常成簇出现，使家长有时间捕捉到它们。“它们并不总是在你去诊所时发生，然后家长需要描述，这更难理解和识别发生了什么，”Miron指出。
Holder指出，如果医生与神经科医生或癫痫专家有联系，这些视频通常会被发送进行快速筛查。“否则，家庭不得不等待诊所就诊，这会增加延误。”她说。“我们中能单独查看这些视频的人不多。有些地区根本没有资源。所以，能够让初级保健医生更好地获得专业知识，如果有可以训练来查看这些视频的计算机程序，这非常酷也非常令人兴奋。我们只是希望确保它掌握在知道如何使用它并将患者送到所需地方的人手中。”
Miron同意部署将是关键。“这仍处于研究阶段，但我认为它展示了很大的潜力，因为我们已经解决了一些使其能够临床转化的重要问题，”Miron说。“当然，为了临床应用，它需要在更多的数据集中进一步前瞻性验证。它需要与某种父母可以使用的工具相匹配。”
他的团队构建了一个应用程序和医生平台，并正在诊所和急诊部门进行前瞻性单中心研究测试，希望扩展到其他中心。他说，他们的AI模型是在搜索“癫痫痉挛”、“婴儿痉挛”和“韦斯特综合症”后找到的141名儿童的991次发作的YouTube视频上训练的，与127名没有发作的儿童的视频进行了对比。
这些视频在两个队列中得到了验证：26名有发作的婴儿（70段发作和31段非发作的5秒视频片段）和67名没有发作的婴儿。医院内视频脑电图监测的验证包括21名没有发作的婴儿，以检查假警报率。
“视频在分辨率、比特率、亮度和清晰度方面表现出高度异质性，”Miron的团队指出。“我们的模型在多个数据集中表现良好，表现出跨摄像头来源和技术异质性的鲁棒性。未来的研究应集中在验证、转化和临床应用上。”
- Crystal Phend是MedPage Today的撰稿编辑。
(全文结束)
