Hệ Thống Trí Tuệ Nhân Tạo Mới Có Thể Mang Lại Hy Vọng Cho Người Bệnh Đau Đau Đầu

Như Endgadget báo cáo, hai nhà nghiên cứu trí tuệ nhân tạo có thể đã tạo ra một hệ thống tạo ra hy vọng mới cho những người mắc bệnh động kinh – một hệ thống “có thể dự đoán cơn động kinh với độ chính xác 99,6%,” và làm như vậy lên đến một giờ trước khi cơn động kinh xảy ra.

Điều này sẽ không phải là bước tiến mới đầu tiên, vì trước đó các nhà nghiên cứu tại Đại học Kỹ thuật (TU) ở Eindhoven, Hà Lan đã phát triển một chiếc vòng tay thông minh có thể dự đoán cơn động kinh trong thời gian đêm. Nhưng độ chính xác và khung thời gian ngắn mà hệ thống trí tuệ nhân tạo mới có thể hoạt động, như IEEE Spectrum lưu ý, mang lại hy vọng hơn cho khoảng 50 triệu người trên thế giới mắc bệnh động kinh (dựa trên dữ liệu từ Tổ chức Y tế Thế giới). Trong số này, 70% bệnh nhân có thể kiểm soát cơn động kinh của họ bằng thuốc nếu uống đúng giờ.

Hệ thống trí tuệ nhân tạo mới được tạo ra bởi Hisham Daoud và Magdy Bayoumi của Đại học Louisiana tại Lafayette, và được ca ngợi là “một bước tiến lớn so với các phương pháp dự đoán hiện có.” Như Hisham Daoud, một trong hai nhà nghiên cứu đã phát triển hệ thống, giải thích, “Do thời gian cơn động kinh không thể dự đoán, bệnh động kinh có tác động tâm lý và xã hội mạnh mẽ đối với bệnh nhân.”

Như được giải thích, “mỗi người thể hiện các mẫu não độc nhất, điều này làm cho việc dự đoán cơn động kinh chính xác trở nên khó khăn.” Cho đến nay, các mô hình hiện có dự đoán cơn động kinh “trong một quá trình hai giai đoạn, trong đó các mẫu não phải được trích xuất thủ công và sau đó một hệ thống phân loại được áp dụng,” điều này, như Daoud giải thích, đã thêm thời gian cần thiết để thực hiện dự đoán cơn động kinh.

Trong cách tiếp cận của họ được giải thích trong một nghiên cứu được xuất bản vào ngày 24 tháng 7 trên IEEE Transactions on Biomedical Circuits and Systems, “quá trình trích xuất tính năng và phân loại được kết hợp thành một hệ thống tự động duy nhất, cho phép dự đoán cơn động kinh sớm hơn và chính xác hơn.”

Để tăng cường độ chính xác của hệ thống của họ, Daoud và Bayoumi “đã kết hợp một cách tiếp cận phân loại khác, trong đó một thuật toán học sâu trích xuất và phân tích các tính năng không gian-thời gian của hoạt động não của bệnh nhân từ các vị trí điện cực khác nhau, tăng cường độ chính xác của mô hình của họ.” Vì “đọc EEG có thể liên quan đến nhiều ‘kênh’ hoạt động điện,” để tăng tốc quá trình dự đoán hơn nữa, hai nhà nghiên cứu “đã áp dụng một thuật toán bổ sung để xác định các kênh hoạt động điện dự đoán phù hợp nhất.”

Hệ thống hoàn chỉnh sau đó được thử nghiệm trên 22 bệnh nhân tại Bệnh viện Nhi đồng Boston. Mặc dù kích thước mẫu nhỏ, hệ thống đã chứng minh là rất chính xác (99,6%), và có “khả năng thấp để báo động giả, với 0,004 báo động giả mỗi giờ.”

Như Daoud giải thích, bước tiếp theo sẽ là phát triển một con chip tùy chỉnh để xử lý các thuật toán. “Chúng tôi hiện đang làm việc trên thiết kế của thiết bị phần cứng hiệu quả [thiết bị] triển khai thuật toán này, xem xét nhiều vấn đề như kích thước hệ thống, tiêu thụ năng lượng và độ trễ để phù hợp với ứng dụng thực tế một cách thoải mái cho bệnh nhân.”