机器学习的内EEG预测了药物耐药性的外科手术结果

科学领域:

• 神经科学是一个神经科学.
• 人工智能的人工智能
• 医疗成像医学成像

背景情况:

• 在耐药性患者中,精确地定位发性区域 (EZ) 对于成功的手术至关重要.
• 目前用于EZ识别的方法是手动的,耗时的,容易出现错误的,并且不能始终预测手术成功.
• 需要客观和精确的方法来界定EZ,以改善外科手术规划.

研究的目的:

• 开发和验证人工智能驱动的框架,用于自动,患者特定的EZ识别.
• 为了利用内脑电图 (iEEG) 数据用于EZ定位.
• 为了提高手术规划和预测DRE患者的结果.

主要方法:

• 该框架将iEEG数据转化为时空空间大脑活动表示.
• 它自动区分间接性发性网络与背景大脑活动.
• 人工智能模型需要最小的临床医生投入,不需要发作.

主要成果:

• 人工智能框架准确地以高精度划分了EZ.
• 鉴定到的发性网络有效地预测了手术结果.
• 该系统消除了手动数据检查的需要,并减少了监控时间.

结论:

• 拟议的AI框架为DRE中EZ本地化提供了一个精确和高效的方法.
• 这项技术有可能显著改善手术规划和患者的治疗结果.
• 自动EZ识别可以减少临床工作量,提高手术的可靠性.