恩塞维斯:评估基于人工智能的算法的可行性,作为临床实践中神经生理学家的助理

科学领域:

• 神经学 神经学
• 人工智能在医学中的应用
• 医学诊断 医学诊断 医学诊断

背景情况:

• 的诊断在很大程度上依赖于电脑图 (EEG) 解释,这对神经生理学家来说是耗时的.
• 人工智能 (AI) 为简化EEG分析和提高诊断效率提供了潜在的解决方案.

研究的目的:

• 评估ENCEVIS AI算法的性能,作为长期EEG记录中的ictal和interictal形泄漏 (IED) 的查工具.
• 与专家神经生理学家共识相比,评估ENCEVIS的灵敏度,特异性和预测值.

主要方法:

• 展望性研究分析了267个长期 (3小时) 的EEG记录,从2019-2023.
• 由两个独立的EEG专家进行盲目视觉分析,与第三位神经生理学家协商意见分歧,建立参考标准.
• 对ENCEVIS算法注释与专家共识参考标准进行比较.

主要成果:

• 在97.7%的发作阳性记录中,ENCEVIS检测到至少一个发作,总体发作检测灵敏度为57.0%.
• 间接性型活动检测显示出高灵敏度 (97.4%),但适度的特异性 (40.2%).
• 该算法在识别无异常记录时显示出高负预测值 (NPV) 的99.1%,但在发作检测时显示出低正预测值 (PPV) 的26.6%.

结论:

• 恩塞维斯人工智能算法对检测具有型活动的EEG记录,特别是正常EEG (高NPV) 具有很高的灵敏度.
• 有限的特异性需要专家的神经生理学审查来确认积极的发现.
• 通过识别正常的EEG记录,ENCEVIS显示出作为一种有效的预选工具的潜力,以减少神经生理学家的工作量.