研究人员开发可穿戴设备以预测癫痫发作

Negev研究人员的本古吉翁大学已经开发出一种新的，首先是基于专有机器学习算法检测和预测癫痫发作的一种新的设备。可穿戴设备可以生成关于即将到来的癫痫发作的先进警告，该警告将在其发作前一小时发送到智能手机。该系统为Neurohelp提供了一家最近由BGN Technologies，BGU和奥伦Shriki的技术转移公司的创始公司进一步开发和商业化，以获得Neurohelp，该公司是BGU和奥伦Shriki博士的BGU的认知和大脑科学系和Neurohelp的科学创始人。

癫痫是一种高度普遍的，有时令人衰弱的神经疾病。高达30％的患者没有充分应对抗癫痫药物，并在不断担心即将癫痫发作的情况下生活。对于这样的患者，一种可行的癫痫发作预测设备可以提供实质性的生活质量，使他们能够避免癫痫发作有关的伤害。目前的癫痫发作报警器件可以实时检测癫痫发作，但无法提供即将到来的癫痫发作的先进警告。

eminess是一种癫痫发作预测和检测装置，基于eEg的基于EEG的监测的新的接地组合脑活动与专有机器学习算法一起。该装置将可穿戴EEG器件与最先进的软件组合，该软件可最大限度地减少必要的EEG电极的数量并优化头皮上的电极放置。精密的机器学习算法设计用于过滤与大脑活动无关的噪声，提取潜在的脑动力学的信息措施，并在预计不会发生癫痫发作时对预期的癫痫发作和脑活动进行脑活动。

“癫痫发作将癫痫患者暴露于各种可预防的危险，包括跌倒，烧伤和其他伤害，”奥伦·什里基博士说。“不幸的是，目前没有癫痫发作预测设备可以提醒患者并允许他们准备即将到来的癫痫发作。因此，我们非常兴奋，我们开发的机器学习算法使得能够准确地预测即将到一小时即将到一小时的准确预测到一小时即可预测即将到一小时即将到一小时即将到一小时的即将到达一小时预测到一小时即可预测即将到一小时即将到一小时的准确预测能够准确地预测即将到一小时的即将到达一小时的准确预测到1小时他们的出现。由于我们还表明，我们的算法能够在必要的EEG电极的数量下显着减少，所以我们正在开发的设备是准确和用户友好的。我们目前正在开发一种在临床试验中评估的原型年。”

“未充分受药物控制的癫痫是普遍的，占癫痫病例的30％，因此，准确，易用的癫痫发作装置是一个非常必要的未满足的医疗需求，”主席哈达尔·罗恩博士说Neurohelp。“目前的缉获警报设备可以在发生时检测癫痫发作，大多数依赖于运动的变化，例如肌肉痉挛或跌落。巨大是独一无二的，因为它可以预测即将到来的癫痫发作并允许患者及其护理人员预防性行动和预防伤害。它也是唯一基于大脑活动的设备，而不是肌肉运动或心率。我们相信巨型将成为耐药性癫痫管理中的宝贵工具。“

BGN Technologies的首席执行官Josh Peleg补充道，“Neurohelp，BGN Technologies的衍生，最近是由BGU的yazamut360企业家中心形成的BGU的Oazis加速器的一部分，以进一步发展和商业化他们的创新解决方案，因为患有癫痫的人的利益。本月早些时候，Neurohelp在Siliconnegev启动竞赛中获得了一等奖，这是对这项技术的突出潜力的重要认可，这是基于大脑研究和人工智能的独特组合经过人的知识在Shriki博士的实验室开发。“

新算法由来自在手术前几天监测的癫痫的大型数据集的EEG数据开发和测试。患者数据分为突起的短段（预先发作）或互联网间。几种具有不同复杂性的机器学习算法在预先分配的训练数据上培训（包含初始EEG数据的80％），并在其余20％的数据上评估它们的预测性能以及电极相关性能。具有最佳预测性能的算法达到97％的精度水平，即使电极相对较少，维持的近最佳性能（95％）。

---

---