| 导读 | 过去，医生分析癫痫患者两小时的脑电图约需要 25 至 40 分钟，其大量精力消耗在查找异常放电上。 |
患者多，专家少，监测时间长，让不少癫痫患者都有过这样的无奈经历：千里迢迢慕名而来见到专家，脑电图监测却只能预约到几个月后。轻则让拖着病体的患者倍感劳顿，增加不必要的经济负担，重则导致病情延误，错过最佳救治时期。
中国抗癫痫协会 2018 年发布的数据显示，中国的癫痫患者总人数不少于 900 万，而脑电图的监测结果，是医生确定癫痫患者的病种分类和调整治疗方案的重要依据。《癫痫临床治疗指南》（中国抗癫痫协会，2015 年）认为，根据癫痫发作的控制情况，患者每半年至 1 年就要复查 1 次脑电图；如果病情控制得不好，则需要不定期或随时复查，每次监测的时长从 2 小时至 24 小时不等。然而，培养一名成熟的脑电分析专家，需要大量的临床经验和多年的专业培训。据行业人士估算，全国具有较高水平的脑电图分析人员不超过 1000 人，多数基层医疗机构要么不具备培养这方面人才的条件，要么留不住人才。
5 月 9 日，由阿里健康人工智能实验室研发的「癫痫脑电分析引擎」产品正式上线。经首都医科大学宣武医院神经内科王玉平主任测试，该引擎在辅助医生判断癫痫患者的各类异常放电、发作类型和综合症等方面作用显著，最高可将脑电图分析时间缩短七成。阿里健康透露，该引擎本月就将在其合作的脑电中心和医疗机构投入应用。
阿里健康「癫痫脑电分析引擎」正是针对上述痛点应运而生。据阿里健康人工智能实验室许娟博士介绍，过去，医生分析癫痫患者两小时的脑电图约需要 25 至 40 分钟，其大量精力消耗在查找异常放电上。而搭载了 AI 引擎的视频脑电监测设备，可以自动标注出脑电图上的各类异常放电，为医生判断提供参考，从而大幅提升医生的读图效率。据测算，在颞叶癫痫等实际场景下，阿里健康的 AI 引擎只需 5 分钟即可处理完成两小时的脑电图数据，再经过医生核查，一份分析报告 10 分钟内即可完成。
利用节约下来的时间，脑电中心将有机会联接更多的基层医疗机构，为更多患者提供帮助。」许娟说。基层医院支付一定的服务费，就可将视频脑电监测设备采集下来的信息回传至脑电中心，获得「医生+AI」的分析支持。「按照目前的工作量测算，根据脑电图采集的时长，基层医院 24 至 48 小时内就能收到分析报告。」许娟说，接下来阿里健康将进一步提升引擎的准确性，并将于本月在合作的脑电中心和医疗机构落地。
在去年，阿里健康宣布与阿里云共建医疗大脑后，即表示将加强文本结构化、图像识别、生理信号识别、知识图谱构建等能力的建设。此次发布的「癫痫脑电分析引擎」，是其在生理信号识别领域的最新进展。目前，国内在癫痫 AI 领域的探索还主要集中在学术界，如基于脑电图癫痫发作自动检测，基于脑电图的睡眠自动分期、癫痫间期异常放电自动检测等。许娟博士表示，阿里健康研发的「癫痫脑电分析引擎」，使用深度学习算法结合传统算法，可自动检测多种癫痫异常放电，产品性能更稳定，在多种工作环境下的适应能力也更强。
首都医科大学宣武医院神经内科主任王玉平在测试了阿里健康「癫痫脑电分析引擎」后认为，该引擎已经处于行业领先地位，并有意愿深入探讨脑电远程服务体系的建设。「脑电图监测是癫痫诊断和治疗的必要手段，受到读图人才和监测数据量庞大的限制，专业的脑电监测并不是很普及。人工智能引擎将有效地提高医生判读脑电图的效率，服务更多患者。」王玉平主任认为，随着人工智能的发展，「医生+AI」的工作方式将在越来越多的临床应用领域涌现，从而解放医生的「生产力」，让医生有机会把更多精力投入到科研和服务患者上来。
原文来自：
本文地址：//gulass.cn/epilepsy-eeg-engine.html编辑：public，审核员：逄增宝
Linux大全：
Linux系统大全：
