约翰霍普金斯大学的研究人员创建了一种新工具，可以将误诊癫痫的比率降低多达70%。这一创新设备增强了标准脑电图（EEG）测试，这些测试可能看起来正常，将其转化为值得信赖的癫痫指示器。
通过揭示看似典型EEG中的隐藏癫痫迹象，这种突破性的工具旨在大幅降低全球约30%的假阳性率。这一改善将使患者免受不必要治疗的副作用、驾驶限制和其他与误诊相关的并发症。
约翰霍普金斯大学生物医学工程教授、研究的主要作者Sridevi V. Sarma解释说：“即使EEG看起来完全正常，我们的工具也提供了使其有价值的见解。我们可以更快地做到准确诊断，因为尽管患者有癫痫，通常在发现任何异常之前，他们会进行多次EEG检查。快速而准确的诊断可让患者更快地获得有效治疗。”
这项研究的结果刚刚发表在《神经学年鉴》上。
癫痫的特点是由于大脑不规则电活动引起的反复、无诱因的癫痫发作。初步诊断通常涉及头皮EEG记录，这些记录通过放置在头皮上的小电极捕捉大脑活动。
医生利用EEG识别癫痫并评估抗癫痫药物的必要性。然而，解读EEG可能存在挑战，因为这些测试通常会捕捉到显著的背景噪声，并且癫痫发作通常在20到40分钟的典型记录期间很少发生。这些因素使得癫痫的诊断主观且容易出错，Sarma强调，即使在经验丰富的专业人士中也是如此。
为了提高EEG结果的准确性，Sarma的团队研究了患者在无癫痫发作期间的大脑活动。他们的工具EpiScalp利用基于动态网络模型的算法分析脑电波模式，并从一例常规EEG中揭示癫痫的隐含指示。
“如果某人有癫痫，为什么他们不会一直癫痫发作呢？我们假设某些大脑区域充当自然刹车，防止癫痫发作。这可以比作大脑对疾病的免疫反应，”Sarma澄清道。
最近的研究涉及来自五个领先医疗机构的198名癫痫患者：约翰霍普金斯医院、约翰霍普金斯贝维医疗中心、匹兹堡大学医学中心、马里兰大学医学中心和托马斯杰斐逊大学医院。在这些患者中，91人被诊断为癫痫，而其余患者则有模仿癫痫症状的非癫痫状况。
通过使用EpiScalp分析初始EEG，Sarma的团队能够识别出96%的假阳性，将误诊率从54%降低到17%。
约翰霍普金斯大学神经学助理教授、共同首席作者Khalil Husari表示：“我们工具的这一方面非常出色，使我们能够在可能看似无结论的EEG中检测到癫痫的迹象，从而降低误诊的机会。这些患者在没有任何实际好处的情况下承受抗癫痫药物的副作用，因为他们并没有癫痫。没有准确的诊断，我们无法揭示其症状的潜在原因。”
有时，误诊发生是由于对EEG的误解，导致医生为了防止可能的第二次癫痫发作而过度诊断癫痫。然而，一些患者有非癫痫发作，虽然与癫痫相似，但通常可以通过非药物疗法加以解决。
在以往的研究中，团队使用颅内EEG检测癫痫大脑网络，并表明当个体没有癫痫发作时，位于癫痫发作启动区周围的区域会抑制它。EpiScalp基于这项先前的研究，识别出来自标准头皮EEG的那些模式。
传统改善EEG分析的方法通常关注个别信号或电极读数。相比之下，EpiScalp关注不同大脑区域如何通过复杂的神经通路网络相互作用和影响彼此，研究的主要作者、约翰霍普金斯大学生物医学工程博士生Patrick Myers表示。
Myers表示：“调查节点在大脑网络中如何共同工作显示了独立节点试图产生过多活动的模式，同时被其他未参与整体大脑功能的区域抑制。我们检查是否可以在任何地方识别这一模式——我们是否在你的EEG中看到某个区域与大脑的其余网络看似断开？健康大脑不应该显示这种分离。”
研究团队目前正在进行更大范围的研究，以进一步验证其发现，并已于2023年为EpiScalp技术申请了专利。
该研究的其他贡献者包括约翰霍普金斯大学的Kristin Gunnarsdottir、Adam Li、Alana Tillery、Babitha Haridas和Joon-yi Kang；匹兹堡大学医学中心的Vlad Razskazovskiy、Jorge Gonzalez-Martinez和Anto Bagić；托马斯杰斐逊大学医院的Dale Wyeth、Edmund Wyeth和Michael Sperling；国家神经疾病与中风研究所NIH的Kareem Zaghloul和Sara Inati；马里兰大学医学中心的Jennifer Hopp；贝斯以色列女执事医疗中心的Niravkumar Barot。
该研究获得了约翰霍普金斯技术风险投资的Louis B. Thalheimer转化研究基金的资助，以及国家神经疾病与中风研究所的资助编号：R35NS132228。
