雷鋒網(wǎng)按：近日，IBM研究人員在Arxiv.org上發(fā)布了一篇題為「Machine Learning for Seizure Type Classification: Setting the benchmark」的論文，闡述其通過(guò)AI閱讀腦電波圖像，為癲癇患者進(jìn)行分類的新方法。

癲癇，俗稱「羊角風(fēng)」或「羊癲風(fēng)」，是大腦神經(jīng)元突發(fā)性異常放電，導(dǎo)致短暫的大腦功能障礙的一種慢性疾病。在中國(guó)，癲癇已成為神經(jīng)科僅次于頭痛的第二大常見(jiàn)病，約有900萬(wàn)患者飽受其困擾，其中僅有50%-60%的患者經(jīng)過(guò)治療能夠痊愈。

較低的治愈率源于癲癇復(fù)雜的發(fā)病機(jī)理及臨床表現(xiàn)，不同類型的癲癇患者需采取不同的治療方式以及用藥配比。因此，對(duì)于癲癇病來(lái)說(shuō)，準(zhǔn)確的分類至關(guān)重要。

然而，臨床上并無(wú)很好的癲癇病分類及量化治療方式，更多依賴于醫(yī)生的經(jīng)驗(yàn)，通過(guò)問(wèn)詢患者家族病史、病情發(fā)作史等表層特征，結(jié)合腦電圖及頭顱磁共振（MRI）、CT、血糖、血鈣、腦脊液檢查等指標(biāo)確定治療方案。

雷鋒網(wǎng)了解到，腦電圖檢查是診斷癲癇發(fā)作和癲癇的最重要手段，且有助于癲癇發(fā)作和癲癇的分類。但由于癲癇的病因是「突發(fā)性」異常放電，因此需要足夠長(zhǎng)的描圖時(shí)間，保證各種誘發(fā)試驗(yàn)，特別是睡眠誘發(fā)才可捕捉異常。

這帶來(lái)了兩個(gè)問(wèn)題。其一，醫(yī)生閱片需要花費(fèi)大量的時(shí)間成本；其二，就算捕捉到異常放電的瞬間，僅靠醫(yī)生經(jīng)驗(yàn)也往往難以判斷癲癇類別，進(jìn)而確定診療方案。

為了解決這一問(wèn)題，IBM科學(xué)家們塑造了文章所述的AI算法。研究人員采用美國(guó)坦普爾大學(xué)關(guān)于癲癇疾病的公開(kāi)腦電圖數(shù)據(jù)集「TUH EEG Seizure Corpus」訓(xùn)練模型，該數(shù)據(jù)集中包含2012例癲癇疾病患者的腦電圖及病癥分類，橫跨8個(gè)癲癇類別。其中60%用作訓(xùn)練數(shù)據(jù)，20%用作驗(yàn)證數(shù)據(jù)，20%作為測(cè)試集。

團(tuán)隊(duì)充分評(píng)估了多種機(jī)器學(xué)習(xí)分類算法，最終選取表現(xiàn)最優(yōu)的k-NN（k-nearest neighbor）算法，取得了90.7%的準(zhǔn)確率。

雷鋒網(wǎng)了解，此次研究并非機(jī)器學(xué)習(xí)與癲癇疾病診斷的首次結(jié)合。Kaggle平臺(tái)關(guān)于癲癇的賽題早已上線，該賽題由MathWorks、NINDS（美國(guó)國(guó)立衛(wèi)生研究院國(guó)立神經(jīng)障礙研究所）和美國(guó)癲癇學(xué)會(huì)發(fā)起舉辦，不過(guò)參賽團(tuán)隊(duì)更多的關(guān)注如何預(yù)測(cè)癲癇病的發(fā)生，而非為已經(jīng)發(fā)生的癲癇疾病進(jìn)行分類。

研究人員表示，此次實(shí)驗(yàn)是機(jī)器學(xué)習(xí)技術(shù)首次被應(yīng)用于癲癇疾病的分類工作，對(duì)改善患者的長(zhǎng)期護(hù)理、及時(shí)進(jìn)行藥物調(diào)整和遠(yuǎn)程監(jiān)測(cè)均具有影響意義。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。