Un nouveau système d'IA pourrait créer plus d'espoir pour les personnes atteintes d'épilepsie

As gadget rapports, deux chercheurs en intelligence artificielle ont peut-être créé un système qui crée un nouvel espoir pour les personnes souffrant d'épilepsie - un système "qui peut prédire les crises d'épilepsie avec une précision de 99.6% », et le faire jusqu'à une heure avant que les crises ne surviennent.

Ce ne serait pas la première nouvelle avancée, puisque des chercheurs de l'Université technique (TU) d'Eindhoven, aux Pays-Bas, ont développé un bracelet de bras intelligent qui peut prédire les crises d'épilepsie pendant la nuit. Mais la précision et le court laps de temps sur lesquels le nouveau système d'IA peut fonctionner IEEE Spectrum notes, donne plus d'espoir à autour 50 millions de personnes dans le monde qui souffrent d'épilepsie (d'après les données de L'Organisation mondiale de la Santé). Sur ce nombre de patients, 70% d'entre eux peuvent contrôler leurs crises avec des médicaments s'ils sont pris à temps.

Le nouveau système d'IA a été créé par Hisham Daoud et Magdy Bayoumi de l'Université de Louisiane à Lafayette, et est salué comme "un bond en avant majeur par rapport aux méthodes de prédiction existantes". Comme l'explique Hisham Daoud, l'un des deux chercheurs qui a développé le système, "En raison de périodes de crise inattendues, l'épilepsie a un fort effet psychologique et social sur les patients."

Comme il est expliqué, "chaque personne présente des schémas cérébraux uniques, ce qui rend difficile la prédiction précise des crises. Jusqu'à présent, les modèles précédemment existants prédisaient les crises « dans un processus en deux étapes, où les schémas cérébraux doivent être extraits manuellement, puis un système de classification est appliqué », ce qui, comme l'explique Daoud, a ajouté au temps nécessaire pour faire une prédiction de crise. .

Dans leur approche expliquée dans a étude publié le 24 juillet dans Transactions IEEE sur les circuits et systèmes biomédicaux, "les processus d'extraction et de classification des caractéristiques sont combinés en un seul système automatisé, ce qui permet une prédiction plus précoce et plus précise des crises."

Pour encore booster la précision de leur système Daoud et Bayoumi »a incorporé une autre approche de classification dans laquelle un algorithme d'apprentissage en profondeur extrait et analyse les caractéristiques spatio-temporelles de l'activité cérébrale du patient à partir de différents emplacements d'électrodes, améliorant ainsi la précision de leur modèle. Étant donné que "les lectures d'EEG peuvent impliquer plusieurs "canaux" d'activité électrique", pour accélérer encore plus le processus de prédiction, les deux chercheurs "ont appliqué un algorithme supplémentaire pour identifier les canaux prédictifs d'activité électrique les plus appropriés".

Le système complet a ensuite été testé sur 22 patients au Boston Children's Hospital. Alors que la taille de l'échantillon était petite, le système s'est avéré très précis (99.6 %) et avait « une faible tendance aux faux positifs, à 0.004 fausses alarmes par heure ».

Comme Daoud l'a expliqué, la prochaine étape serait le développement d'une puce informatique personnalisée pour traiter les algorithmes.  "Nous travaillons actuellement sur la conception d'un matériel efficace [dispositif] qui déploie cet algorithme, en tenant compte de nombreux problèmes tels que la taille du système, la consommation d'énergie et la latence pour convenir à une application pratique d'une manière confortable pour le patient."