Ann Neurol-哈佛大学人口为120人：人工智能，助力癫痫诊疗

在接受测量仪器（EEG）监测的危重病人中的，有数一半的人出现了中的风和类似中的风的振荡和规律性性脑户外活动模式（"中的风都为户外活动"）。在小范围的近期链表中的，这些模式已被证明与自主神经系统残疾和死亡率的增高有关，不良后果的权重与中的风都为户外活动的分担成比例地攀升。

然而，中的风都为户外活动（EA）分担的HRS相关性还没有人在横跨整个自主神经系统、皮肤科和妇科病症的大型和异质性链表中的得到量化。连续测量仪器数据的分析和EA分担的大规模量化，不仅应用于HRS研究，也应用于潜在的化疗飞行测试，但由于审查和译文原始测量仪器的耗时性而妨碍。

藉此，哈佛大学的Sahar F. Zafar等人，开发新了一种属于自己自动方法，需要最大限度译文来自急性住院病人的大量连续EEG记事中的的所有中的风形态。利用这些译文，他们开发新了一个数据挖掘模型，来估计出院时持续暴露于中的风都为户外活动对自主神经系统残疾水准的法理重大贡献。

踏天对2011-2017后期接受>16星期连续测量仪器的1967名神经科、皮肤科和妇科病患进行时单中的心回顾性分析。并开发新了一种人工智能算法，对11.02 TB的EEG进行时译文，并对记事72星期内的中的风户外活动分担进行时量化。

他们评量了：1）记事的之前24星期内的分担2）分担最高的12星期纪元（略低于分担），3）监测的之前72星期内的累积。再次，应用数据挖掘来估计中的风病分担对结果的影响。结果的比如说是出院改良的Rankin量表，可分好（0-4）和差（5-6）两类。

他们发现，中的风略低于分担与不良结局法理相关（P<0.0001）。其他法理的关联包括年龄、APACHE II、发病时的中的风发作和缺氧缺血性脑病的诊断。

根据再次一次测量仪器测量（最多72星期的监测）和出院之间的时间间隙：再次一次测量和出院之间的时间间隙

这个研究的举足轻重在于发现了，自动测量中的风都为户外活动略低于分担为期望的多中的心随机飞行测试提供了一个方便、一致和可量化的目标，以调查抑制中的风都为户外活动是否是能更佳结果。

译者出处：Zafar SF, Rosenthal ES, Jing J, Ge W, Tabaeizadeh M, Aboul Nour H, Shoukat M, Sun H, Jed F, Kassa S, Edhi M, Bordbar E, Gallagher J, Moura V, Ghanta M, Shao YP, An S, Sun J, Cole AJ, Westover MB. Automated annotation of epileptiform burden and its association with outcomes. Ann Neurol. 2021 Jul 7. doi: 10.1002/ana.26161. Epub ahead of print. PMID: 34231244.