人工智能增强了脑电图的功能，使神经学家能够快速、准确地确定痴呆症的迹象

梅奥诊所的科学家们正在使用人工智能(AI)和机器学习来更快、更准确地分析脑电图(EEG)测试，使神经科医生能够从通常未经检查的数据中发现痴呆症的早期迹象。

有一个世纪历史的脑电图(EEG)常被用于检测癫痫。在脑电图中，十几个或更多的电极被固定在头皮上，以监测大脑活动。它的结果由神经学家和其他经过训练的专家来解释，这些专家可以在测试的弯弯曲曲的波浪中发现模式。

梅奥诊所神经病学人工智能项目(NAIP)的科学家在《大脑通讯》(Brain Communications)上发表的一项新研究中，展示了人工智能不仅可以加快分析速度，还可以提醒审查测试结果的专家注意人类无法察觉的异常模式。这项技术显示，有一天可能会帮助医生区分认知问题的原因，比如阿尔茨海默病和路易体痴呆。这项研究表明，与其他检测大脑健康的方法相比，脑电图更容易获得、更便宜、侵入性更小，可能是一种更容易获得的工具，可以帮助医生及早发现患者的认知问题。

“脑电波中有很多关于脑电图中大脑健康的医学信息，”资深作者David T. Jones医学博士说，他是NAIP的神经学家和主任。“众所周知，你可以看到这些波变慢，在有认知问题的人身上看起来有点不同。在我们的研究中，我们想知道我们是否可以在人工智能的帮助下准确地测量和量化这种减速。”

为了开发这个工具，研究人员收集了10年来在梅奥诊所接受脑电图检查的1.1万多名患者的数据。他们使用机器学习和人工智能将复杂的脑电波模式简化为六个特定的特征，教会模型自动丢弃某些元素，比如应该忽略的数据，以便将注意力集中在阿尔茨海默病等认知问题的特征模式上。

“与传统的痴呆症检测方法(如床边认知测试、液体生物标志物和脑成像)相比，这项技术帮助快速提取脑电图模式的方式非常显着，”医学博士李文涛说，他是该论文的第一作者之一，在梅奥诊所临床行为神经病学研究员期间与NAIP一起进行了这项研究。

“目前，我们量化医疗数据模式的一种常用方法是通过专家意见。我们怎么知道这些模式存在呢?因为专家会告诉你他们就在你身边。”“但现在有了人工智能和机器学习，我们不仅能看到专家看不到的东西，而且他们能看到的东西，我们可以给出一个精确的数字。”

使用脑电图来发现认知问题并不一定会取代其他类型的检查，如核磁共振或PET扫描。但琼斯博士表示，有了人工智能的力量，脑电图有朝一日可以为医疗保健专业人员提供一种更经济、更容易获得的工具，用于无法轻松进入专业诊所或专业设备的社区(如农村地区)的早期诊断。

“及早发现记忆问题非常重要，甚至在它们变得明显之前，”琼斯博士说。“早期正确的诊断有助于我们给病人正确的前景和最好的治疗。与我们目前的测试相比，我们正在研究的方法可能是一种更便宜的方法来识别早期记忆丧失或痴呆症患者，比如脊髓液测试、脑葡萄糖扫描或记忆测试。”

琼斯博士说，继续测试和验证这些工具将需要几年的额外研究。然而，他说，这项研究表明，有办法利用临床数据将新工具纳入临床工作流程，以实现研究人员的目标，将新模型和创新引入临床实践，增强现有评估的能力，并将这些知识扩展到梅奥诊所之外。

“这项工作体现了多学科团队合作，以推进基于转化技术的医疗保健研究，”该论文的共同第一作者Yoga Varatharajah博士说，他是NAIP研究合作者，当这项工作完成时。

这项研究的资助包括埃德森家庭基金、美国癫痫基金会、本杰明·a·米勒家庭老年及相关疾病奖学金、梅奥诊所神经病学人工智能项目和美国国家科学基金会(奖励号:IIS-2105233)，以及美国国立卫生研究院，包括UG3 NS123066拨款。