AI算法能检测大脑缺陷，有助于治疗癫痫疾病

AI算法能检测大脑缺陷，有助于治疗癫痫疾病北京时间8月16日上午消息，据报道，目前，科学家最新研发一种AI算法，能够检测出癫痫患者早期症状，甚至包括经验丰富的资深医师可能忽略的症状。该AI算法能检测出患有一种罕见疾病的患者，准确率达到60%以上，相比之下，核磁共振成像未发现任何隐性症状。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(KonradWagstyl)博士说：“这种...PC版：https://www.cnbeta.com/articles/soft/1304879.htm手机版：https://m.cnbeta.com/view/1304879.htm

一个电极，两种功效 脑植入物成功控制癫痫和强迫症

一个电极，两种功效脑植入物成功控制癫痫和强迫症神经外科教授艾哈迈德·拉斯兰博士演示了患者艾梅柏·皮尔森的脑植入物。图片来源：俄勒冈健康与科学大学在开始用RNS治疗之前，美国患者艾梅柏·皮尔森因强迫症而每天不停洗手，直到破皮流血。她的手已被洗得非常干燥，仅弯曲手指都会弄裂关节皮肤；她还会反复检查窗户和壁橱，并反复确保炉子已关闭。外出就餐时，她也不能坐在别人身边，因为担心旁人的食物会弄脏她。2019年3月5日，她接受了一场手术。OHSU医学院神经外科团队在她的脑部植入了电极，起初主要目的是控制她的癫痫发作。艾梅柏·皮尔森展示了她在俄勒冈健康与科学大学（OHSU）医院接受的大脑植入物模型。皮尔森已在2018年接受过治疗耐药性癫痫发作的标准手术，切除了造成癫痫发作的一小部分大脑。但手术仅阻止了她的部分病症而不是全部，所以皮尔森选择植入RNS。这种新型植入物可主动监测大脑活动，并在癫痫发作开始之前发出小脉冲以平息病症。在治疗过程中，皮尔森了解到有些人报告说这些植入物还可缓解精神疾病，包括强迫症。于是，她决定尝试一下。在大脑植入后的几个月，皮尔森意外发现自己的强迫症有所缓解。4年后，这场手术彻底改变了她的生活，强迫症正在逐渐离她远去。她表示“已经能够与生活中的人建立更健康的关系”。研究人员称，双程序植入设备可监视与癫痫和强迫症相关的大脑活动，它是世界上唯一可同时治疗两种疾病的设备，是独立编程的，针对癫痫的方案与强迫症的方案并不相同。...PC版：https://www.cnbeta.com.tw/articles/soft/1416679.htm手机版：https://m.cnbeta.com.tw/view/1416679.htm

脑植入物成功控制癫痫和强迫症

脑植入物成功控制癫痫和强迫症美国俄勒冈健康与科学大学（OHSU）的一名女患者成为世界上第一个受益于植入式大脑刺激器的患者。这种刺激器通过有效控制，改变了两种让她备受困扰的疾病症状：癫痫发作和强迫症。这项发表于《神经元》杂志的案例研究，描述了一种反应性神经刺激系统（RNS）的交互式编程，该系统可成功控制曾经扰乱这名患者生活的疾病。研究人员称，双程序植入设备可监视与癫痫和强迫症相关的大脑活动，它是世界上唯一可同时治疗两种疾病的设备，是独立编程的，针对癫痫的方案与强迫症的方案并不相同。（科技日报）

科学家开发新的人工智能算法 可能导致癫痫的治愈

科学家开发新的人工智能算法可能导致癫痫的治愈在伦敦大学学院（UCL）科学家们指导下工作的一个国际研究团队创建了一种人工智能（AI）算法，可以识别导致癫痫发作的细微大脑异常。为了创建该算法，揭示局灶性脑皮质发育不良(FCD)--癫痫的一个主要原因--的实例中出现异常的地方，多中心癫痫病变检测项目（MELD）分析了来自22个国际癫痫中心的1000多名患者的MRI图像。FCD是发展异常的大脑区域，常常导致耐药性癫痫。手术通常用于治疗，然而，在MRI上找到病变是医生一直面临的问题，因为FCD的MRI扫描可能看起来正常。科学家们利用整个大脑的大约30万个位置来开发该算法，该算法利用MRI扫描测量皮质特征，如皮质/大脑表面的厚度或折叠程度。之后，根据模式和特征，专业放射科医生将例子分为患有FCD或拥有健康的大脑，作为该算法的训练数据。根据发表在《大脑》杂志上的结果，该算法成功识别了队列中67%的病例（538名参与者）的FCD。此前，有178人被宣布为MRI阴性，这意味着放射科医生无法检测到异常；然而，MELD算法能够在这些案例中的63%检测到FCD。这一点特别关键，因为如果医务人员能够在脑部扫描中识别出异常，那么通过手术切除它就可能提供治愈。共同第一作者MathildeRipart（UCL大奥蒙德街儿童健康研究所）说：“我们把重点放在创建一个可解释的人工智能算法上，并能帮助医生做出决定。向医生展示MELD算法是如何进行预测的，是这一过程的一个重要部分。”共同第一作者KonradWagstyl博士（UCL皇后广场神经学研究所）补充说：“这种算法可以帮助发现更多儿童和成人癫痫患者的这些隐藏病变，并使更多的癫痫患者被考虑进行脑部手术，从而治愈癫痫并改善其认知发展。在英国，每年大约有440名儿童可以从癫痫手术中受益。”世界上约有1%的人口患有严重的神经系统疾病癫痫，其特点是频繁发作。在英国，大约有60万人受到影响。虽然大多数癫痫患者都有药物治疗，但20-30%的人对药物没有反应。在接受手术控制癫痫的儿童中，FCD是最常见的原因，而在成年人中，它是第三大原因。此外，在脑部有异常但在MRI扫描中无法发现的癫痫患者中，FCD是最常见的原因。共同第一作者，HelmholtzMunich博士说：“我们的算法能够自动学习，从数以千计的病人的MRI扫描中检测出病变。它可以可靠地检测出不同类型、形状和大小的病变，甚至许多以前被放射科医生漏掉的病变。”共同第一作者SophieAdler博士（UCL大奥蒙德街儿童健康研究所）补充说：“我们希望这项技术将有助于识别目前被遗漏的、导致癫痫的异常情况。最终，它可以使更多的癫痫患者接受潜在的治愈性脑部手术。”这项关于FCD检测的研究使用了迄今为止最大的FCD的MRI队列，这意味着它能够检测所有类型的FCD。MELDFCD分类工具可以在任何怀疑有FCD的3岁以上并有MRI扫描的病人身上运行。PC版：https://www.cnbeta.com/articles/soft/1313959.htm手机版：https://m.cnbeta.com/view/1313959.htm

杏仁核的秘密：大脑是如何忘记呼吸的？

杏仁核的秘密：大脑是如何忘记呼吸的？爱荷华大学爱荷华市分校的研究人员在《JCI洞察》上发表的这一新发现可能对理解癫痫猝死起到至关重要的作用，因为癫痫猝死的原因还没有得到很好的解释。人们普遍认为，大多数SUDEP病例都是由于癫痫发作结束后出现的呼吸中断，即发作后呼吸暂停。研究发现，发作后呼吸暂停的患者会失去"空气饥饿感"--即呼吸的原始冲动--或警报感，这表明在呼吸暂停发生时，大脑可能无法检测到血液中二氧化碳（CO2）水平的升高并做出反应。研究人员在杏仁核中发现了一个对癫痫发作后呼吸衰竭至关重要的部位。紫色和蓝色区域代表了与持续性呼吸暂停有关的区域的概率图，该图基于20名未受控制的癫痫患者的数据。资料来源：爱荷华大学Dlouhy实验室为了对此进行研究，研究人员招募了12名成人和8名儿童癫痫患者，这些患者无法通过药物控制癫痫发作，他们正在接受颅内脑电图（iEEG）检查，试图控制癫痫发作。利用直接电刺激，研究小组在医疗监督下诱导参与者癫痫发作，以检查前脑对呼吸和呼吸暂停的控制。他们发现，源于杏仁核的癫痫发作会导致发作后呼吸暂停，而杏仁核是一个主要参与处理情绪和恐惧的脑区，他们还确定了参与长时间呼吸减弱的杏仁核亚区。20名参与者中只有5人出现发作后呼吸暂停，这表明一些癫痫发作不受控制的人可能更容易出现这种情况。随后，科学家们采用电刺激与功能磁共振成像相结合的技术，确定了杏仁核部位与对感知血液中二氧化碳含量变化和控制呼吸至关重要的脑干区域之间的新连接。综合来看，研究结果表明，杏仁核亚区的癫痫发作活动可以在癫痫发作后长时间抑制呼吸和对空气的饥饿感。这很可能是通过与脑干和其他参与感知身体信号的大脑部位的连接来控制的。要证实杏仁核在呼吸抑制中的作用及其与SUDEP的关系，还需要进行更多的研究。这些发现进一步加深了人们对SUDEP的了解，可能有助于发现预防性治疗方法和识别高危人群。这项研究得到了美国国立卫生研究院（NIH）下属的国家神经疾病和中风研究所（NINDS）的部分资助。...PC版：https://www.cnbeta.com.tw/articles/soft/1388869.htm手机版：https://m.cnbeta.com.tw/view/1388869.htm

人工智能模型改善了乳腺手术中癌症肿瘤的切除效果

人工智能模型改善了乳腺手术中癌症肿瘤的切除效果早期乳腺癌的首选治疗方法是保乳手术，即乳房部分切除术，并结合放疗。手术中必须切除所有癌变乳腺组织，以防止癌症复发。检查的方法是检查切除组织的外缘，确保不含癌细胞，即"阴性边缘"。对组织进行乳房X射线照相术（标本乳房X射线照相术）是确保阴性边缘的广泛手段，因为它可以在手术室内进行，并能提供即时反馈。然而，乳腺标本造影可能并不准确，如果后来发现癌细胞，就需要进一步手术切除更多组织。北卡罗来纳大学（UNC）医学院的研究人员开发了一种人工智能模型，可以实时预测乳腺癌手术中癌变组织是否已被完全切除。该研究的通讯作者之一克里斯塔琳-加拉格尔（KristalynGallagher）说："有些癌症你能感觉到，也能看到，但我们看不到可能存在于切除组织边缘的微小癌细胞。其他癌症则完全是微观的。这种人工智能工具可以让我们更准确地实时分析手术切除的肿瘤，并增加手术中切除所有癌细胞的机会。这将避免患者再次接受第二次或第三次手术。"为了向人工智能模型"传授"阴性和阳性边缘是什么样的，研究人员使用了切除术后立即拍摄的821张标本乳腺X光图像，并与病理学家的最终标本报告相匹配。超过一半（53%）的图像边缘呈阳性。他们还向模型提供了患者的人口统计学数据，如年龄、种族、肿瘤类型和肿瘤大小。用于教授人工智能模型的阴性和阳性标本乳腺X射线照相图像示例Chen等人/UNCHealth他们发现，人工智能模型的灵敏度为85%，特异度为45%，接收者工作特征曲线下面积(AUROC)为0.71。灵敏度衡量的是模型检测阳性实例的能力，而特异性衡量的是模型正确识别的真正阴性实例的比例。AUROC衡量模型的整体性能，提供一个介于0和1之间的值，其中0.5表示随机猜测，1表示完美性能。研究人员表示，与人类解读的准确性相比，人工智能模型的表现与人类不相上下，甚至更好。从这个角度来看，以前的研究发现，乳腺标本成像的灵敏度在20%到58%之间，AUROC在0.60到0.73之间。该研究的第一作者凯文-陈（KevinChen）说："思考人工智能模型如何利用计算机视觉支持医生和外科医生在手术室中的决策是一件有趣的事情。我们发现，人工智能模型在识别阳性边缘方面与人类不相上下，甚至略胜一筹"。该模型有助于识别乳腺密度较高患者的边缘。在乳房X光照片上，密度较高的乳腺组织和肿瘤都呈现为亮白色，因此很难区分健康组织和癌变组织。研究人员说，他们的人工智能模型可用于资源较少的医院，如专科外科医生、放射科医生或病理学家，以便在手术室做出快速、明智的决定。共同通讯作者肖恩-戈麦斯（ShawnGomez）说："这就像是为那些可能没有现成专业知识的医院提供了一层额外的支持。外科医生可以得到在成百上千张图像上训练出来的模型的支持，而不是做出最佳猜测，并能立即得到手术反馈，从而做出更明智的决定。"该人工智能模型还处于早期阶段，研究人员将继续用更多的乳腺X射线图像对其进行训练，以提高其辨别边缘的准确性。在应用于临床之前，该模型还需要进一步的研究验证。这项研究发表在《肿瘤外科年鉴》（AnnalsofSurgicalOncology）杂志上。...PC版：https://www.cnbeta.com.tw/articles/soft/1386661.htm手机版：https://m.cnbeta.com.tw/view/1386661.htm