基于EEG的自动发作检测 - 对医疗专业人员的调查

科学领域:

• 神经学 神经学
• 生物医学工程 生物医学工程
• 人工智能在医学中的应用

背景情况:

• 的诊断和管理带来了重大的临床挑战.
• 使用EEG数据自动检测的机器学习 (ML) 是有希望的,但缺乏广泛的临床采用.
• 了解临床医生对ML采用障碍的看法对于有效的工具开发至关重要.

研究的目的:

• 调查阻碍自动发作检测工具临床应用的障碍.
• 收集医疗专业人员对临床实用性,情绪和感知障碍的见解.
• 根据临床需求,为基于ML的发作检测工具的开发提供信息.

主要方法:

• 在管理患者的医疗专业人员中进行了一项调查.
• 该调查评估了包括临床实用性,专业情绪,基准要求和障碍在内的因素.
• 数据分析的重点是确定关键挑战和临床医生的期望.

主要成果:

• 临床医生要求发作检测算法的最低灵敏度为80%,这是复制研究中经常无法满足的基准.
• 受访者表现出对ML发作检测工具的接受度和接受培训的意愿.
• 确定的主要障碍包括工具的可用性,培训不足以及ML算法的不透明"黑子"性质.

结论:

• 尽管有高灵敏度要求,但临床医生对采用ML发作检测工具持开放态度.
• 解决与可用性,培训和算法透明度相关的障碍对于临床整合至关重要.
• 开发了一份指南,以促进创建符合医疗专业需求的ML工具,并促进临床采用.