Um Novo Sistema de IA Pode Criar Mais Esperança Para Pessoas Com Epilepsia

Como relata o Endgadget, dois pesquisadores de IA podem ter criado um sistema que cria nova esperança para pessoas que sofrem de epilepsia – um sistema “que pode prever ataques epilépticos com 99,6% de precisão,” e fazer isso até uma hora antes que os ataques ocorram.

Isso não seria o primeiro avanço novo, desde que pesquisadores da Universidade Técnica (TU) em Eindhoven, Holanda, desenvolveram uma pulseira inteligente que pode prever ataques epilépticos durante a noite. Mas a precisão e o curto período de tempo em que o novo sistema de IA pode funcionar, como nota a IEEE Spectrum, dá mais esperança a cerca de 50 milhões de pessoas em todo o mundo que sofrem de epilepsia (com base nos dados da Organização Mundial da Saúde). Dessas, 70% delas podem controlar seus ataques com medicação se tomada no momento certo.

O novo sistema de IA foi criado por Hisham Daoud e Magdy Bayoumi da Universidade da Louisiana em Lafayette, e é elogiado como “um grande salto adiante em relação aos métodos de previsão existentes.” Como explica Hisham Daoud, um dos dois pesquisadores que desenvolveram o sistema, “Devido a tempos de ataques imprevisíveis, a epilepsia tem um forte efeito psicológico e social nos pacientes.”

Como é explicado, “cada pessoa exibe padrões cerebrais únicos, o que torna difícil prever ataques com precisão.” Até agora, os modelos existentes previam ataques “em um processo de duas etapas, onde os padrões cerebrais devem ser extraídos manualmente e, em seguida, um sistema de classificação é aplicado,” o que, como explica Daoud, adicionou ao tempo necessário para fazer uma previsão de ataque.

Em sua abordagem, explicada em um estudo publicado em 24 de julho no IEEE Transactions on Biomedical Circuits and Systems, “os processos de extração de recursos e classificação são combinados em um sistema automatizado único, o que permite uma previsão de ataque mais precoce e precisa.”

Para aumentar ainda mais a precisão de seu sistema, Daoud e Bayoumi “incorporaram outra abordagem de classificação, na qual um algoritmo de aprendizado profundo extrai e analisa os recursos espaciais-temporais da atividade cerebral do paciente a partir de diferentes localizações de eletrodos, aumentando a precisão do modelo.” Como “leituras de EEG podem envolver vários ‘canais’ de atividade elétrica,” para acelerar ainda mais o processo de previsão, os dois pesquisadores “aplicaram um algoritmo adicional para identificar os canais de atividade elétrica mais apropriados para a previsão.”

O sistema completo foi então testado em 22 pacientes no Hospital Infantil de Boston. Embora o tamanho da amostra fosse pequeno, o sistema provou ser muito preciso (99,6%), e teve “uma baixa tendência para falsos positivos, com 0,004 alarmes falsos por hora.”

Como explica Daoud, a próxima etapa seria o desenvolvimento de um chip de computador personalizado para processar os algoritmos. “Estamos atualmente trabalhando no design de hardware eficiente [dispositivo] que implanta esse algoritmo, considerando muitos problemas como tamanho do sistema, consumo de energia e latência para ser adequado para aplicação prática de forma confortável para o paciente.”