Elektroencefalogramy (EEG) są podstawowym narzędziem oceny neurologicznej, niemniej wymagają specjalistycznej wiedzy niedostępnej w wielu regionach świata. Sztuczna inteligencja (AI – artificial intelligence) może potencjalnie zaspokoić te niespełnione potrzeby zdrowotne. Dotychczasowe modele AI
zajmowały się jedynie ograniczonymi aspektami interpretacji EEG, takimi jak odróżnianie nieprawidłowego zapisu od normy. Badacze postanowili sprawdzić, czy AI może zostać wyszkolona do interpretowania rutynowych klinicznych elektroencefalogramów z dokładnością odpowiadającą ludzkim ekspertom. Przeprowadzono badanie diagnostyczne modelu sztucznej inteligencji (SCORE-AI), który został „przeszkolony” na 30 493 zapisach EEG w celu oddzielenia zapisów prawidłowych od nieprawidłowych, a następnie sklasyfikowania tych drugich jako ogniskowych padaczkowych do jednej z trzech kategorii: uogólnionych padaczkowych, niepadaczkowych ogniskowych lub niepadaczkowych uogólnionych. Model SCORE-AI został zwalidowany przy użyciu trzech niezależnych zestawów danych testowych składających się z 9945 EEG niewykorzystanych do szkolenia. W tym badaniu SCORE-AI osiągnęła podobną do ludzkich ekspertów dokładność diagnostyczną (88,3% poprawnych rozpoznań).
Zastosowanie SCORE-AI może poprawić diagnostykę i opiekę nad pacjentami na obszarach, w których jest niedostateczny dostęp do usług medycznych, oraz wydajność w wyspecjalizowanych ośrodkach leczenia padaczki.
Dodaj do ulubionych
