Medicinska implantat är för det mesta tysta datainsamlare: de registrerar, läkare granskar senare och patienter ser sällan något av det förrän ett schemalagt möte. Ett team vid University of Pennsylvania har testat en helt annan modell - en medicinsk enhet som patienter faktiskt kan prata med och som talar tillbaka.
I en proof-of-concept-studie publicerad i Nature Medicine beskriver forskare vid Penn's Perelman School of Medicine och Center for Neuroengineering and Therapeutics (CNT) en AI-driven plattform som låter människor som övervakas för epilepsi utbyta meddelanden med sitt hjärnövervakningssystem i realtid - ställa frågor om sin egen hjärnaktivitet, till och med känna igen, rapportera och hjälpa systemet. sina anfall mer exakt. For more context on this story, see our ongoing AI trends.
Hur plattformen fungerar
Studien inkluderade 13 vuxna som togs in på Penns epilepsiövervakningsenhet för kontinuerlig hjärnövervakning med elektroencefalografi (EEG) - några för att lokalisera källan till deras anfall, andra som en del av pre-kirurgisk utvärdering. Plattformen de testade bestod av tre komponenter: mjukvara som kontinuerligt fångar EEG-data från elektroder i varje deltagares hjärna; en säker, HIPAA-kompatibel molnmiljö som analyserar inkommande data i nästan realtid; och en smartphone-app med en Penn-utvecklad AI-konversationsagent, byggd med teknik som liknar den bakom ChatGPT.
Genom appen kunde patienter ställa frågor om sin hjärnaktivitet, begära visualiseringar av trender i sina data, rapportera symtom och få varningar eller undersökningar under hela dagen. Systemet kunde också nå ut utan uppmaning när det upptäckte förändringar som det bedömde som relevanta, och anpassa sig "i farten" baserat på patienternas svar.
"Tanken är att istället för att vänta på att en specialist ska analysera data som samlas in av din enhet, kan enheten upptäcka förändringar och varna dig omedelbart, som din egen personliga Jiminy Cricket på din axel", säger seniorförfattaren Brian Litt, MD, professor i neurologi, neurokirurgi och bioteknik. "Är viktigare är att både patienten och enheten kan lära sig tillsammans över tid. Enheten lär sig vad som är viktigt för patienten, och patienten lär sig hur deras beteende påverkar deras hälsa."
Vilka 1 307 meddelanden avslöjade
Under studieperioden utbytte deltagarna 1 307 meddelanden med systemet. De flesta konversationer kretsade kring anfallshändelser, sömn, humör och energinivåer - faktorer som har direkt betydelse för anfallsaktiviteten. Patienterna undersöktes också tre gånger dagligen om sömn, ångest, humör, välbefinnande och andra symtom.
Återkopplingsslingan fungerade i båda riktningarna. Deltagarna kunde berätta för systemet vilka anfallsdetekteringar som var korrekta och vilka som var falska larm, och plattformen förbättrade avsevärt sin förmåga att identifiera anfall exakt som ett resultat. Kliniker kunde granska systemets bedömningar och lägga till sina egna kommentarer genom vad teamet kallar en smart "expert i slingan"-algoritmen, som koncentrerade expertinput till endast de mest värdefulla fallen.
Flera deltagare sa att plattformen hjälpte dem att förstå mönster som de hade lagt märke till men aldrig förstått. En rapporterade att det hjälpte till att "stärka vad jag kände var sant mellan några av mina episoder och känslor." Andra uppskattade tillgång till deras sömndata och möjligheten att varna inför större anfall.
Från epilepsi till insulinpumpar och djup hjärnstimulering
Teamet ser plattformen som en mall för nästa generations medicintekniska produkter långt bortom epilepsi. Potentiella tillämpningar inkluderar hjärtapparater, insulinpumpar och framväxande neuropsykiatriska behandlingar för Parkinsons sjukdom, depression, tvångssyndrom, missbruk och kognitiva störningar.
Arbetet pågår redan: forskarna förbereder studier med Lauren Hammer, MD, PhD, en biträdande professor i neurologi och bioteknik, för att tillämpa plattformen för att automatiskt ställa in enheter för djup hjärnstimulering som används för att behandla Parkinsons sjukdom. Ytterligare projekt syftar till att införliva wearables för sömnlöshet, epilepsi och övervakning av hjärnan och vitala tecken.
"Patienter förstår ofta aspekter av sin sjukdom som sensorer inte kan mäta direkt," sa Litt - som föreställer sig, som releasen uttrycker det, en insulinpump som kan svara på frågor om hur en måltid kommer att påverka blodsockret. Eftersom sådana system blir mer personliga, förväntar sig forskarna att de kräver mindre klinisk övervakning, vilket gör långvarig öppenvård praktisk.
Ett skifte i vad medicinska apparater är till för
Studiens bredare betydelse är konceptuell lika mycket som teknisk. Där dagens enheter mestadels samlar in data för periodisk läkargranskning, behandlar Penn-plattformen enheten, patienten och vårdteamet som samarbetspartners i ett pågående samtal. Resultaten publicerades i Nature Medicine av Perelman School of Medicine och CNT-teamet, med själva plattformen konstruerad av Penn Bioengineering doktorander under ledning av Zack Goldblum, Haoer Shi och Zhongchuan Xu.
Experimentet är litet – 13 patienter i en kontrollerad övervakningsenhet – och tekniken är tidig. Men det ger en konkret inblick i vad som händer när data som en medicinteknisk produkt samlar in slutar flöda åt ena sidan och blir något som patienter kan ifrågasätta, korrigera och lära sig av i realtid.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
