ChatGPT的响应在与癫痫病灶常见区域相关的方面匹配或超越了癫痫专家的响应。然而，癫痫专家在很少受影响的区域提供了更准确的响应。
癫痫是一种最常见的神经系统疾病，特征是经常性发作，影响全球超过7000万人。在美国，约有340万人生活在这一具有挑战性的条件下。大约三分之一的癫痫病例无法通过药物控制。对于这些患者，切除癫痫灶（EZ）——去除该区域可以导致发作自由，即癫痫患者在一段时间内没有发作——的手术切除可以是减少或消除发作的有效选择。
然而，当前的切除手术成功率约为50%到60%。原因之一是癫痫灶未能准确识别。为了识别癫痫灶，患者需要接受一系列检查，包括MRI、脑电图（EEG）和颅内EEG。癫痫专家利用这些数据和图像描述所谓的发作表现——发作期间的症状和行为。这些信息用于预测癫痫灶的位置。
然而，癫痫专家用来描述发作表现的语言在不同的癫痫中心可能不同。“不同的癫痫中心可能使用不同的术语来描述相同的发作表现，”斯蒂文斯理工学院谢弗工程与科学学院系统与企业系助理教授刘峰说。“例如，术语‘非对称姿势’和‘非对称强直活动’可以用来描述同一件事，”他分享了一个例子，指的是一只手臂或一条腿伸展而另一只手臂或腿屈曲的姿势。“有很多术语可以指代同一事物，但不同中心可能使用不同的术语来描述它。”
这造成了一定的不一致性，给外科医生带来了挑战。由于发作表现的描述性特征，大型语言模型（LLMs）如ChatGPT可以成为帮助识别癫痫灶的有价值工具。
刘峰和他的合作团队评估了使用ChatGPT解读发作表现以预测癫痫灶位置的临床价值。“大型语言模型如ChatGPT可以是分析复杂文本信息的有价值工具，帮助解读发作表现描述并协助准确定位癫痫灶，”刘说。
在这项研究中，团队调查了五名获得董事会认证的癫痫专家，他们完成了一份包含关于发作表现描述下癫痫灶定位的100个问题的在线调查。然后，团队使用ChatGPT执行相同任务，并将ChatGPT的表现与癫痫专家的表现进行了比较。
结果显示，ChatGPT的响应在与常见癫痫灶区域相关的方面匹配或超越了癫痫专家的响应，例如大脑的额叶和颞叶。然而，癫痫专家在癫痫灶较少位于的区域（如岛叶和扣带皮层）提供了更准确的响应。这些发现发表于《医学互联网研究杂志》，日期为5月12日。
为了进一步提升大型语言模型的性能，团队建立了第一个专门用于解读发作表现的语言模型，称为EpiSemoLLM，托管在斯蒂文斯的GPU服务器上。该平台可以成为神经外科医生和癫痫专家在术前工作阶段决策过程中的有用助手。
“我们的结果表明，LLM和精细调整的LLM可能作为癫痫手术术前评估的有价值工具，”刘说。“最佳结果将是人和人工智能的合作。”
