AI算法能检测大脑缺陷，有助于治疗癫痫疾病

研究结果表明，AI算法在扫描中发现了538例FCD症状，其中包括112例放射科医师无法检测到的病例。

这种罕见疾病是癫痫，据称，英国和美国居民癫痫发病率达1%，该疾病会导致患者大脑出现不受控制的脑电流爆发，从而引发痉挛抽搐。

任何人都可能出现惊厥痉挛，但并不意味着他们必然都患有癫痫，通常癫痫患者确诊之前可能不止一次出现痉挛抽搐。当大脑突然脑电流爆发时，就会出现癫痫，导致大脑运行中断，部分患者癫痫发作时人们仍保持警觉状态，能够感知到周围环境，而部分患者癫痫发作时会完全失去意识，处于极度危险境地。

有时癫痫患者会出现不同寻常的感觉、认知和活动，或者身体僵硬摔倒在地板上不断抽搐，在任何年龄时期，中风、脑感染、头部损伤或者出生时导致缺氧的问题都可能诱发癫痫，在超过50%以上的病例中，医师无法找到具体病因，相关治疗癫痫药物也无法完全治愈，但有助于停止或者减少癫痫发作，如果药物治疗仍无效，患者只能选择脑部手术。

导致癫痫的一个诱因是耐药性局灶性脑皮质发育不良(FCD)，这是大脑的一种细微异常，会导致大脑信号传输失效。癫痫能通过手术进行治疗，但该疾病对大脑产生的变化非常微妙，即使是经验丰富的放射科医师进行核磁共振扫描时也可能忽略该疾病征兆。

但基于英国伦敦大学学院研究团队研发的一种AI算法，可以检测到63%的FCD症状，这是之前医护人员很难检测到的，也是诱发癫痫发作的重要因素之一。

研究人员称，他们的AI模型能为更多癫痫患者进行大脑手术，提供最佳治愈机会。据悉，在英国，大约有60万癫痫患者，但仅有20-30%的患者对药物没有反应。

脑细胞或者神经元细胞，通常会形成有组织的细胞层，形成大脑皮层。对于FCD患者，其脑细胞是无序紊乱的，从而导致痉挛抽搐的风险更高。在接受手术控制病情的儿童癫痫患者中，FCD症状是最常见的病因，对于需要手术治疗的成年人群，FCD是第三大常见病因。然而，令医务人员棘手的是很难通过核磁共振扫描检测到FCD症状，在最新研究中，研究人员从22项全球癫痫疾病研究中收集了1000多张核磁共振扫描图像，一组放射科专家将扫描结果标记为健康或者FCD症状，之后运行AI算法检测扫描异常现象。

这项AI算法涉及患者大脑30万个区域信息，该研究报告发表在《大脑》杂志上，研究结果表明，AI算法在扫描中发现了538例FCD症状，其中包括112例放射科医师无法检测到的病例。

研究人员称，这一点非常重要！因为当前局灶性脑皮质发育不良(FCD)症状主要依赖于及时检测发现，再选择手术治疗。伦敦大学学院皇后广场神经学研究所研究员康拉德·瓦格斯蒂尔(Konrad Wagstyl)博士说：“这种AI算法有助于发现更多儿童和成年癫痫患者的隐性病变征兆，促使更多的癫痫患者尽快考虑进行脑外科手术，治愈癫痫疾病，并提高人们的病情认知，据统计，每年大约有440名儿童患者进行癫痫手术，术后病情有所好转。”

该AI算法适用于任何潜在FCD症状的患者，且患者年龄在3岁以上，曾接受过核磁共振扫描。研究报告合著作者汉娜·斯皮策(Hannah Spitzer)博士是德国慕尼黑亥姆霍兹研究所一位机器学习研究员，她说：“我们的算法具有自动学习能力，从数千例患者的核磁共振扫描数据中检测病变，它能可靠地检测出不同类型、形状和大小的病变特征，甚至包括很多之前被放射科医师忽略的病变。”

伦敦大学学院大奥蒙德街儿童健康研究所索菲·阿德勒(Sophie Adler)博士说：“我们希望这项技术将有助于检测容易被忽视导致癫痫的异常症状，最终可使更多的癫痫患者通过脑部手术治愈康复。”