梅奥诊所的研究人员正在利用人工智能（AI）和机器学习技术，更加快速和准确地分析脑电图（EEG）测试，帮助神经科医生检测往往被忽视的痴呆早期指标。
EEG是一种公认的检测脑活动的方法，主要通过将多个电极附着在头皮上来识别癫痫。结果由神经科医生和擅长识别复杂波形模式的专家进行解读。
最近发表于《脑通讯》杂志的一项研究突显了梅奥诊所神经科AI项目（NAIP）如何利用AI加快分析过程，并提醒专家注意可能被人眼忽视的异常模式。这项技术有可能帮助医生区分认知能力下降的各种原因，例如阿尔茨海默病和路易体痴呆。研究结果表明，EEG比其他脑健康评估方法更易获得、更经济且侵入性较小，可能作为早期检测患者认知问题的可行工具。
“这些脑波包含了关于脑健康的重要医学信息，”研究的主要作者、神经科医生和NAIP主任David T. Jones博士解释道。“已证明这些波在面临认知困难的个体中往往会减缓并表现出不同的特征。我们的研究旨在确定是否能够借助AI支持准确量化这种减缓。”
在这项研究中，研究人员从梅奥诊所收集了超过11000名患者十年的EEG数据。他们采用机器学习和AI技术将复杂的脑波模式提炼成六个关键特征，训练模型以消除不相关的数据，专注于指示阿尔茨海默病等认知障碍的模式。
“与传统的痴呆评估方法（如床边认知评估、液体生物标志物和脑成像）相比，技术快速提取EEG模式的能力显得十分令人赞叹，”参与该项目作为梅奥诊所临床行为神经学研究员的共同第一作者Wentao Li博士表示。
“目前，我们通常根据专家评估对医疗数据中的模式进行量化。但我们如何确认这些模式的存在呢？这完全依赖于专家的判断，”Jones博士说。“通过AI和机器学习，我们可以观察到专家看不到的细节，并准确量化他们所看到的内容。”
利用EEG识别认知问题并不会取代其他诊断工具，如MRI或PET扫描，但AI技术可能将EEG转变为更具成本效益和可获得性的早期诊断选择，尤其是在缺乏专业护理设施的地区，正如Jones博士所指出的。
“尽早识别记忆问题至关重要，即使在它们显现之前，”Jones博士强调。“及时和准确的诊断使我们能够为患者提供最佳的护理和治疗方案。我们正在探索的方法可能在识别记忆下降或痴呆的早期阶段方面，比目前的脊髓液分析、脑糖成像或认知测试等方法更为经济。”
根据Jones博士的说法，进一步测试和验证这些工具还需要几年的研究。然而，他相信，这项研究证明了将临床数据整合到实践中以支持新模型的发展和创新、加强现有评估方法以及将这一知识扩展到梅奥诊所之外的可行路径。
“这一倡议强调了跨学科合作的重要性，以推动利用技术的医疗研究，”论文的共同第一作者以及这项工作的NAIP研究合作者Yoga Varatharajah博士表示。
这项研究得到了来自多方的支持，包括Edson家庭基金、美国癫痫基金会、班杰明·A·米勒家庭老龄化及相关疾病奖学金、梅奥诊所神经科人工智能项目、国家科学基金会（奖号IIS-2105233）以及国家卫生研究院，包括UG3 NS123066资助。
