医疗植入物在很大程度上是无声的数据收集器：它们进行记录，临床医生随后进行审查，并且在预定的预约之前患者很少看到任何数据。宾夕法尼亚大学的一个团队测试了一种非常不同的模型——一种患者可以真正与之交谈并进行回复的医疗设备。
在《自然医学》杂志上发表的一项概念验证研究中，宾夕法尼亚大学佩雷尔曼医学院和神经工程与治疗中心 (CNT) 的研究人员描述了一个人工智能驱动的平台，可以让接受癫痫监测的人们与他们的大脑监测系统实时交换信息——询问有关他们自己大脑活动的问题，接收个性化警报，报告症状，甚至帮助训练系统更准确地识别他们的癫痫发作。 更多相关背景，请参阅我们的AI最新动态。
平台如何运作
该研究招募了 13 名入住宾夕法尼亚大学癫痫监测中心的成年人，通过脑电图 (EEG) 进行连续脑部监测，其中一些用于查明癫痫发作的来源，另一些则作为手术前评估的一部分。他们测试的平台由三个组件组成：从每个参与者大脑的电极连续捕获脑电图数据的软件；安全、符合 HIPAA 要求的云环境，近乎实时地分析传入数据；以及一款智能手机应用程序，配备宾夕法尼亚大学开发的人工智能对话代理，采用类似于 ChatGPT 背后的技术构建。
通过该应用程序，患者可以询问有关他们的大脑活动的问题，请求数据趋势的可视化，报告症状，并全天接收警报或调查。当系统发现它认为相关的变化时，它还可以自动伸出援手，并根据患者的反应进行“动态”调整。
“我们的想法是，设备可以检测到变化并立即向您发出警报，而不是等待专家分析您的设备收集的数据，就像您肩膀上的个人吉米尼板球一样，”资深作者、神经病学、神经外科和生物工程教授布莱恩·利特医学博士说。 “更重要的是，患者和设备都可以随着时间的推移一起学习。设备了解什么对患者重要，患者了解他们的行为如何影响他们的健康。”
1,307 条消息透露了什么
在研究期间，参与者与系统交换了 1,307 条消息。大多数谈话都集中在癫痫发作事件、睡眠、情绪和能量水平——与癫痫发作活动直接相关的因素。每天还对患者进行三次有关睡眠、焦虑、情绪、幸福感和其他症状的调查。
反馈循环是双向的。参与者可以告诉系统哪些癫痫检测是正确的，哪些是误报，因此该平台大大提高了准确识别癫痫发作的能力。临床医生可以审查系统的评估，并通过团队所谓的智能“专家循环”算法添加自己的注释，该算法将专家的输入仅集中在价值最高的病例上。
一些参与者表示，该平台帮助他们理解了他们注意到但从未理解的模式。其中一位报告说，它帮助“巩固了我在一些情节和情绪之间的真实感受”。其他人则看重睡眠数据的获取以及在严重癫痫发作之前发出警告的可能性。
从癫痫到胰岛素泵和深部脑刺激
该团队将该平台视为下一代医疗设备的模板，其治疗范围远远超出癫痫领域。潜在的应用包括心脏设备、胰岛素泵以及针对帕金森病、抑郁症、强迫症、成瘾和认知障碍的新兴神经精神治疗。
工作已经在进行中：研究人员正在准备与神经病学和生物工程助理教授 Lauren Hammer 博士一起进行研究，以应用该平台自动调整用于治疗帕金森病的深部脑刺激设备。进一步的项目旨在整合用于失眠、癫痫以及大脑和生命体征监测的可穿戴设备。
利特说：“患者通常了解传感器无法直接测量的疾病的各个方面。”正如新闻稿所说，胰岛素泵可以回答有关膳食如何影响血糖的问题。随着此类系统变得更加个性化，研究人员预计它们需要更少的临床监督，从而使长期门诊使用变得可行。
医疗设备用途的转变
这项研究的更广泛意义不仅体现在概念上，也体现在技术上。如今的设备主要收集数据以供临床医生定期检查，而 Penn 平台将设备、患者和护理团队视为持续对话中的合作者。该研究结果由佩雷尔曼医学院和 CNT 团队发表在《自然医学》杂志上，该平台本身是由 Zack Goldblum、Haoer Shi 和zhongchuu 领导的宾夕法尼亚大学生物工程博士生构建的。
该实验规模较小——受控监测单元有 13 名患者——而且技术还很早期。但它提供了一个具体的视角，让我们了解当医疗设备收集的数据停止单向流动并成为患者可以实时提问、纠正和学习时会发生什么。
---
掌握AI最新动态获取最新的AI新闻、分析和突破——尽在一处。
阅读更多AI新闻 →
