厄勒布鲁大学(Orebro University)的研究人员开发了两种新型AI模型，能够分析大脑电活动并准确区分健康个体与痴呆症患者，包括阿尔茨海默病患者。
厄勒布鲁大学信息学研究员穆罕默德·哈尼夫(Muhammad Hanif)表示："早期诊断至关重要，可以采取主动措施延缓疾病进展并改善患者生活质量。"
在题为《基于脑电图的阿尔茨海默病和额颞叶痴呆可解释高效深度学习诊断框架》的研究中，研究人员结合了两种先进AI方法——时间卷积网络和LSTM网络。该程序分析脑电图(EEG)信号，几乎完美地确定一个人是否患病。这项研究发表在《医学前沿》(Frontiers in Medicine)期刊上。
健康与患病区分准确率达80%以上
在比较三组人群——阿尔茨海默病患者、额颞叶痴呆患者和健康人群时，该方法准确率超过80%。研究人员还使用了一种解释性AI技术，显示脑电图信号的哪些部分影响诊断结果。这有助于医生理解系统如何得出结论。
在第二项研究《通过混合融合EEGNetv4和联邦学习实现保护隐私的脑电图痴呆分类》中，研究人员开发了一种小型且资源高效的AI模型——大小不到1兆字节——同时还能保障患者隐私。该研究发表在《计算神经科学前沿》(Frontiers in Computational Neuroscience)期刊上。
借助联邦学习技术，多家医疗机构可以在不共享患者数据的情况下协作训练AI系统。尽管注重隐私保护，该模型准确率仍超过97%。
厄勒布鲁大学信息学高级讲师哈尼夫表示："传统机器学习模型通常缺乏透明度，并面临隐私问题挑战。我们的研究旨在解决这两个问题。"
AI检测大脑电信号中的模式
研究人员成功结合了不同的大脑电信号解读方法。通过将脑电图信号分为各种频率波段——α波、β波和γ波——AI能够识别与痴呆症相关的模式。
这些算法能够检测信号的长期变化并识别不同诊断之间的细微差异。此外，可解释AI技术确保系统不再是"黑箱"——它清晰地展示了决策依据。
在研究中，研究人员展示了AI如何成为痴呆症早期诊断的快速、低成本且隐私安全的工具。脑电图已经是初级医疗中可使用的简单且经济的方法。结合可在便携设备上运行的AI模型，这为医疗保健的广泛应用打开了可能性——从专科诊所到未来的家庭检测。
AI测试未来可能在家中使用
哈尼夫表示："早期诊断对于实施延缓疾病进展并改善生活质量的主动措施至关重要。如果此类解决方案得到全面实施，将减轻所有相关人员——患者、护理人员、家属和医疗专业人员——的负担。"
这些研究是在厄勒布鲁大学研究人员与包括英国、澳大利亚、巴基斯坦和沙特阿拉伯在内的多所国际机构合作下进行的。
哈尼夫解释道："我们计划通过扩展到更大更多样的数据集、探索更多脑电图特征，以及纳入血管性痴呆和路易体痴呆等其他类型的痴呆症来继续研究。同时，我们将使用可解释AI并确保严格保护患者数据。"
更多信息：瓦卡尔·汗(Waqar Khan)等人，《基于脑电图的阿尔茨海默病和额颞叶痴呆可解释高效深度学习诊断框架》，《医学前沿》(2025)。
穆罕默德·乌迈尔(Muhammad Umair)等人，《通过混合融合EEGNetv4和联邦学习实现保护隐私的脑电图痴呆分类》，《计算神经科学前沿》(2025)。
【全文结束】
