【编者按】
人工智能在医疗领域的应用正不断拓展新边界。俄亥俄州立大学最新研究将AI技术应用于癫痫发作预测，通过分析复杂行为模式区分发作结果，为癫痫治疗提供了新的技术路径。这项突破不仅展现了AI在神经科学领域的潜力，更预示着未来或能通过智能预警降低癫痫猝死风险，值得医学界持续关注。
研究背景
2025年10月2日，俄亥俄州哥伦布市——在一项新研究中，俄亥俄州立大学的研究人员使用人工智能工具预测小鼠模型的癫痫发作结果。
癫痫发作可能导致运动控制暂时中断，通常遵循某些行为模式，有助于识别癫痫发作类型、起始区域和潜在结果。持续癫痫发作的个体面临各种并发症风险增加，包括身体损伤或癫痫猝死。
研究方法
俄亥俄州立大学韦克斯纳医学中心、医学院和兽医学院的研究人员探索了AI辅助工具分析复杂行为模式并使用数据驱动技术区分癫痫发作结果的潜力。研究结果发表在《神经病学年鉴》期刊上。
“我们的AI辅助行为分析为理解小鼠癫痫模型中的癫痫动态提供了强大而客观的方法。通过数据驱动方式分析运动模式，我们可以准确分类癫痫发作类型并预测结果。”研究资深作者、俄亥俄州立大学神经科学系助理教授Bin Gu博士表示，”这种方法提高了癫痫研究和临床实践的准确性和效率，同时为个性化治疗策略开辟了新可能性。”
技术突破
研究人员使用两种AI辅助工具解码了32种模拟人类遗传多样性的近交系小鼠以及Angelman综合征小鼠模型中诱导癫痫发作的未充分探索的行为和动作领域。他们识别了63个可解释的行为组。
对这些行为组的分析揭示了区分癫痫发作状态、跟踪进展以及与小鼠性别、品系和突变相关的独特模式。
“展望未来，分析智能手机和家庭监控设备拍摄视频的能力具有令人兴奋的意义。这可能改变在诊所外识别癫痫发作的方式，为家庭和护理人员提供贡献宝贵诊断信息的简单方法。”Gu表示，”这在远程医疗环境中尤其关键，因为神经科医生和癫痫专家的可及性通常有限，特别是对于服务不足和农村社区的患者。”
应用前景
研究第一作者、俄亥俄州立大学神经科学系研究生研究助理、兽医学院兽医学博士候选人Yuyan Shen指出，类似方法也可能有益于患有癫痫的宠物，视频分析可能帮助兽医和主人在日常环境中更好地诊断和管理癫痫发作活动。