检测大脑异常的人工智能算法可能有助于治疗癫痫

fcd是大脑中发育异常的区域，通常会导致耐药性癫痫。通常通过手术治疗，但是通过MRI识别病灶对临床医生来说是一个持续的挑战，因为fcd的MRI扫描看起来是正常的。

为了开发该算法，研究小组从MRI扫描中量化了皮层特征，比如皮层/大脑表面的厚度或折叠程度，并使用了大脑中大约30万个位置。

然后，研究人员在由专家放射科医生标记为健康大脑或患有FCD的例子上训练算法，这取决于它们的模式和特征。

该研究结果发表在大脑，发现总体而言，该算法能够在队列中67%的病例(538名参与者)中检测到FCD。

此前，178名参与者被认为是MRI阴性，这意味着放射科医生无法发现异常，然而MELD算法能够在63%的病例中识别出FCD。

这一点尤为重要，就好像医生可以在脑部扫描中发现异常，然后通过手术将其移除就可以提供治愈方法。

联合第一作者Mathilde Ripart(伦敦大学学院大奥蒙德街儿童健康研究所)说:“我们强调创建一种可解释的人工智能算法，可以帮助医生做出决定。向医生展示MELD算法是如何做出预测的，这是这个过程的重要组成部分。”

联合资深作者Konrad Wagstyl博士(伦敦大学学院皇后广场神经学研究所)补充说:“这种算法可以帮助发现儿童和成人癫痫患者中更多的隐藏病变，并使更多的癫痫患者能够考虑进行脑部手术，从而治愈癫痫并改善他们的认知发展。在英国，每年大约有440名儿童可以从癫痫手术中受益。”

世界上约1%的人口患有严重的神经系统疾病癫痫，其特征是频繁发作。

在英国，大约有60万人受到影响。虽然药物治疗可用于大多数癫痫患者，但20-30%的癫痫患者对药物无反应。

在接受手术控制癫痫的儿童中，FCD是最常见的病因，在成人中，FCD是第三大常见病因。

此外，在MRI扫描无法发现大脑异常的癫痫患者中，FCD是最常见的原因。

共同第一作者Hannah Spitzer博士(Helmholtz Munich)说:“我们的算法自动学习从数千例患者的MRI扫描中检测病变。它可以可靠地检测不同类型、形状和大小的病变，甚至许多以前被放射科医生遗漏的病变。”

联合资深作者，Sophie Adler博士(伦敦大学学院大奥蒙德街儿童健康研究所)补充说:“我们希望这项技术将有助于识别目前被遗漏的导致癫痫的异常。最终，它可以使更多的癫痫患者接受可能治愈的脑部手术。”

这项关于FCD检测的研究使用了迄今为止最大的FCD MRI队列，这意味着它能够检测所有类型的FCD。

MELD FCD分类器工具可用于任何怀疑患有FCD的患者，年龄超过3岁，并进行了MRI扫描。

MELD项目得到了Rosetrees Trust的支持。

研究的局限性

在全球参与研究的22家医院使用了不同的MRI扫描仪，这使得算法更加健壮，但也可能影响算法的灵敏度和特异性。