Video Experimental Relacionado
Updated: Feb 28, 2026
08:51
Statistical Modelling of Cortical Connectivity Using Non-invasive Electroencephalograms
Published on: November 1, 2019
6.1K
SeizureFormer: Un Transformer Multiescala para la Predicción del Riesgo de Convulsiones a partir de Biomarcadores
Tianning Feng1, Juntong Ni2, Wei Jin3
1School of Engineering and Applied Science, University of Pennsylvania, Philadelphia, PA, USA, tfeng24@seas.upenn.edu.
Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing
|February 27, 2026
Resumen
SeizureFormer, un nuevo modelo de IA, predice convulsiones epilépticas con 1-14 días de antelación utilizando datos de neuroestimulación receptiva. Este avance ofrece atención proactiva y personalizada para la epilepsia al predecir el riesgo de convulsiones con alta precisión.
Sus antecedentes:
- La predicción de convulsiones epilépticas sigue siendo un desafío, especialmente para predicciones a largo plazo.
- Los modelos existentes a menudo se basan en datos brutos de electroencefalografía (EEG), lo que limita su eficacia para la predicción a largo plazo.
- Los sistemas de neuroestimulación receptiva (RNS) generan biomarcadores valiosos que pueden mejorar la predicción de convulsiones.
Conclusiones:
- SeizureFormer ofrece un avance significativo en la predicción del riesgo de convulsiones a largo plazo utilizando biomarcadores RNS.
- La capacidad del modelo para capturar tanto las fluctuaciones a corto plazo como los ciclos de convulsiones a largo plazo mejora la precisión de la predicción.
- Esta tecnología permite una predicción de varios días, allanando el camino para intervenciones personalizadas y proactivas en el manejo de la epilepsia.
Palabras clave:
epilepsiapredicción de convulsionesneuroestimulación receptivabiomarcadoresinteligencia artificialaprendizaje profundoTransformeringeniería biomédicaatención proactiva
