洛杉矶——根据一项新研究，通过分析家长录制的视频，人工智能（AI）有可能诊断婴儿癫痫痉挛综合征。这种疾病的患儿即使在诊断和随后治疗上出现轻微延迟，也可能导致智力障碍、自闭症和更严重的癫痫。Gadi Miron博士在12月7日于美国癫痫学会（AES）第78届年会上展示了这项研究，他表示：“早期开始治疗非常重要，但这些症状经常被初级保健或急诊医生误认。诊断往往需要很长时间。”
这是什么？我该怎么办？
观察到异常行为的父母通常会向朋友和家人寻求建议，并收到错误的安慰，认为这种行为并不罕见。即使是医生，如果他们不了解婴儿痉挛，这种罕见疾病，也可能提供错误的安慰。“因此，他们再次得到错误的安慰，因为这些错误的安慰，诊断被推迟了，”Shaun Hussain博士评论道。Hussain博士是加州大学洛杉矶分校（UCLA Health）的儿科教授。
婴儿痉挛的时间和频率给诊断带来了挑战。每次痉挛仅持续约1秒，并且多在早晨发生。当家长带婴儿去看医生时，他们可能难以描述所观察到的行为。“父母很难描述他们看到的情况，这往往无法引起医生对婴儿痉挛的怀疑，”Hussain说道。
利用YouTube上的视频进行分析的想法源于研究人员发现许多患者上传视频以寻求建议。“许多父母上传这些视频并在评论中问道，‘这是什么？我该怎么办？有人能帮助我吗？’”Miron说道。Miron是柏林夏里特大学医学中心（Charité - Universitätsmedizin Berlin）的神经学家和研究员。
人工智能和视频可辅助诊断
研究人员构建了一个模型，该模型使用公开可用的YouTube视频进行训练，包括141名婴儿的991次记录发作和597段非发作视频片段，以及127名非发作婴儿的1385段视频片段。每段视频由两名专家审查，只有双方一致同意才将其计为癫痫痉挛。
该模型在训练集上的表现如下：曲线下面积（AUC）为0.96，敏感性为82%，特异性为90%，准确率为85%。研究人员随后使用三个验证集进行了测试。第一个验证集来自TikTok，包括26名婴儿的70次癫痫痉挛和31段5秒非发作视频片段，模型的AUC为0.98，敏感性为89%，特异性为100%，准确率为92%。
第二个基于智能手机的验证集来自YouTube，包括67名婴儿，假阳性率为0.75%（666段视频片段中有5次检测）。第三个数据集来自21名无发作婴儿的住院脑电图监测，假阳性率为3.4%（10,860段视频片段中有365次检测）。
该团队目前正在开发一个应用程序，允许家长上传视频以供模型分析。医生可以查看视频并确定是否有疑似发作的迹象。Miron还相信这种方法可以用于其他类型的发作和其他人群，包括较大儿童和成人。“我们实际上已经为成人视频构建了一些检测发作的模型。展望未来，我相信人工智能将用于分析其他具有运动症状的神经系统疾病的视频，如运动障碍和步态问题，”他说道。
早期研究令人鼓舞
UCLA Health的儿科教授Hussain对这项工作表示赞赏，但也强调它仍处于早期阶段。“他们的比较相对简单。他们只是比较正常与婴儿痉挛，观察发作与正常行为。通常情况下，区分要困难得多，因为有些孩子的行为可能是其他类型的发作，这比区分婴儿痉挛与正常行为要困难得多。另一个容易混淆婴儿痉挛的情况是婴儿胃食管反流。这些孩子经常会有一些姿势变化，他们可能会感到疼痛，可能会哭。这也是为什么婴儿痉挛与这些情况之间存在很多混淆的原因，”Hussain说道。
他还指出，尽管已经努力提高医生和公众对婴儿痉挛的认识，但这并没有减少检测率的提高。
另一资源
事实上，有疑虑的父母经常转向YouTube等社交媒体网站和专门针对婴儿痉挛的Facebook群组。“你可以在Google上搜索婴儿痉挛，你会看到一些奇怪的行为示例，然后你会在评论中看到有人评论说，‘这可能是婴儿痉挛。你应该去儿童医院，直到做脑电图确认这些不是发作为止。那里有很多很好的建议，但不应该出现为了获得最佳护理，你需要上YouTube的情况，”Hussain说道。
Miron和Hussain没有相关的财务披露。
(全文结束)
