據報導，目前，科學家最新研發一種AI算法，能夠檢測出癲癇患者早期症狀，甚至包括經驗豐富的資深醫師可能忽略的症狀。該AI算法能檢測出患有一種罕見疾病的患者，準確率達到60%以上，相比之下，核磁共振成像未發現任何隱性症狀。

研究結果表明，AI算法在掃描中發現了538例FCD症狀，其中包括112例放射科醫師無法檢測到的病例。

這種罕見疾病是癲癇，據稱，英國和美國居民癲癇發病率達1%，該疾病會導致患者大腦出現不受控制的腦電流爆發，從而引發痙攣抽搐。

任何人都可能出現驚厥痙攣，但並不意味著他們必然都患有癲癇，通常癲癇患者確診之前可能不止一次出現痙攣抽搐。當大腦突然腦電流爆發時，就會出現癲癇，導致大腦運行中斷，部分患者癲癇發作時人們仍保持警覺狀態，能夠感知到周圍環境，而部分患者癲癇發作時會完全失去意識，處於極度危險境地。

有時癲癇患者會出現不同尋常的感覺、認知和活動，或者身體僵硬摔倒在地板上不斷抽搐，在任何年齡時期，中風、腦感染、頭部損傷或者出生時導致缺氧的問題都可能誘發癲癇，在超過50%以上的病例中，醫師無法找到具體病因，相關治療癲癇藥物也無法完全治愈，但有助於停止或者減少癲癇發作，如果藥物治療仍無效，患者只能選擇腦部手術。

導致癲癇的一個誘因是耐藥性局灶性腦皮質發育不良(FCD)，這是大腦的一種細微異常，會導致大腦信號傳輸失效。癲癇能通過手術進行治療，但該疾病對大腦產生的變化非常微妙，即使是經驗豐富的放射科醫師進行核磁共振掃描時也可能忽略該疾病徵兆。

但基於英國倫敦大學學院研究團隊研發的一種AI算法，可以檢測到63%的FCD症狀，這是之前醫護人員很難檢測到的，也是誘發癲癇發作的重要因素之一。

研究人員稱，他們的AI模型能為更多癲癇患者進行大腦手術，提供最佳治愈機會。據悉，在英國，大約有60萬癲癇患者，但僅有20-30%的患者對藥物沒有反應。

腦細胞或者神經元細胞，通常會形成有組織的細胞層，形成大腦皮層。對於FCD患者，其腦細胞是無序紊亂的，從而導致痙攣抽搐的風險更高。在接受手術控制病情的兒童癲癇患者中，FCD症狀是最常見的病因，對於需要手術治療的成年人群，FCD是第三大常見病因。然而，令醫務人員棘手的是很難通過核磁共振掃描檢測到FCD症狀，在最新研究中，研究人員從22項全球癲癇疾病研究中收集了1000多張核磁共振掃描圖像，一組放射科專家將掃描結果標記為健康或者FCD症狀，之後運行AI算法檢測掃描異常現象。

這項AI算法涉及患者大腦30萬個區域信息，該研究報告發表在《大腦》雜誌上，研究結果表明，AI算法在掃描中發現了538例FCD症狀，其中包括112例放射科醫師無法檢測到的病例。

研究人員稱，這一點非常重要！因為當前局灶性腦皮質發育不良(FCD)症狀主要依賴於及時檢測發現，再選擇手術治療。倫敦大學學院皇后廣場神經學研究所研究員康拉德·瓦格斯蒂爾(Konrad Wagstyl)博士說：“這種AI算法有助於發現更多兒童和成年癲癇患者的隱性病變徵兆，促使更多的癲癇患者盡快考慮進行腦外科手術，治愈癲癇疾病，並提高人們的病情認知，據統計，每年大約有440名兒童患者進行癲癇手術，術後病情有所好轉。”

該AI算法適用於任何潛在FCD症狀的患者，且患者年齡在3歲以上，曾接受過核磁共振掃描。研究報告合著作者漢娜·斯皮策(Hannah Spitzer)博士是德國慕尼黑亥姆霍茲研究所一位機器學習研究員，她說：“我們的算法具有自動學習能力，從數千例患者的核磁共振掃描數據中檢測病變，它能可靠地檢測出不同類型、形狀和大小的病變特徵，甚至包括很多之前被放射科醫師忽略的病變。”

倫敦大學學院大奧蒙德街兒童健康研究所索菲·阿德勒(Sophie Adler)博士說：“我們希望這項技術將有助於檢測容易被忽視導致癲癇的異常症狀，最終可使更多的癲癇患者通過腦部手術治愈康復。”