对癫痫患者来说，他们的大脑神经元会突然异常放电，导致大脑功能短暂出障碍，这样的患者在全球约有 5000 万个。棘手的是，这种疾病在发生前通常没有任何预警。
近日，美国路易斯安那大学拉斐特分校的两名研究员开发出了一种新的人工智能模型，最多能在患者癫痫发作前一个月就提前进行预测。
该模型的开发者 Hisham Daoud 表示，癫痫总是在没有任何前兆的情况下突然发作，这点可能对患者的心理产生严重的影响。考虑到这一因素，提前检测到癫痫发作可以极大改善患者的生活质量，并为他们留出足够的应对时间。
更重要的是，70% 的癫痫发作是可以通过药物控制的。
（来源：IEEE）
提前预知癫痫发作不是一个全新的概念。在此之前，已有研究小组研究出用脑电图测试分析大脑活动的方法，并利用收集的数据建立预测模型。
这种方法最明显的缺陷就是，每个人的大脑在活动时都有自己的独特模式，这一特点让预测工作变得更难进行。
与此同时，使用过去的预测方法需要手动收集患者的大脑活动模式，Daoud 认为这增加了模型的复杂性，这也是新的模型想要解决的问题。
研究者在 IEEE 上发表的文章上解释了新方法的大致思路，他将提取大脑特征以及分类的过程合并在一起，并交由一个自动化的系统处理，很大程度上简化了原先方法的过程，从而能够更加精准地预测癫痫发作，预测时间也提前了更多。
除此之外，研究人员还引入了一种新的分类方式，即深度学习算法收集了来自不同的电极点记录下的大脑活动特征，进一步提升模型的预测准确性。
然后，研究人员在波士顿儿童医院找到了 22 名患者，利用他们的长期脑电图数据，开发了相应的预测模型并进行测试。结果显示，直到癫痫发作前一个小时，该模型预测准确率达到了令人震惊的 99.6%，且误报率非常低，仅为每小时 0.004 次。
要达到如此效果，其实需要一些前期准备。Daoud 介绍道，他们需要在每个患者身上都对模型进行测试，才有可能在早期阶段即达到如此高的测试准确率。而训练过程则包括了在患者癫痫发作前后进行数小时的非侵入性脑电图检测。
在软件层面趋于完善之后，Daoud 表示，团队下一阶段将开发一个定制的计算机芯片以满足算法需求。他们的目标是设计一款高效、实用的硬件，其中内置了团队开发的算法，同时还能满足体积大小、功耗等要求，最终让患者能够在最舒适的体验中完成癫痫预测。
