იესპერ ტვეიტი, ჰარალდ ორლიენი, სერგეი პლისი და სხვები.
JAMA Neurology 2023 Aug 1, Volume 80, Number 8, p805-812
ელექტროენცეფალოგრაფია (EEG) არის ერთ-ერთი მთავარი კვლევის მეთოდი ნევროლოგიასა და ნეიროქირურგიაში, განსაკუთრებით ეპილეპტოლოგიაში ან ნეიროკრიტიკულ ზრუნვაში. შესაბამისი პრობლემების მქონე პაციენტები ყველგან მიჰყავთ, რაც არ შეიძლება ითქვას ეეგ დეკოდირებისას ექსპერტიზის შეფასების ხელმისაწვდომობაზე.
ეს მულტიცენტრული კვლევა მოიცავდა 3 თვეზე უფროსი ასაკის პაციენტების EEG-ებს ეეგ-ის ჩაწერის დროს, რომლებიც არ იმყოფებოდნენ კრიტიკულ მდგომარეობაში. SCORE-AI დადასტურდა სამი დამოუკიდებელი ტესტის მონაცემთა ნაკრების გამოყენებით: მრავალცენტრიანი მონაცემთა ნაკრები 100 წარმომადგენლობითი EEG-ისგან შეფასებული 11 ექსპერტის მიერ, ერთცენტრიანი მონაცემთა ნაკრები 9,785 EEG-ისგან შეფასებული 14 ექსპერტის მიერ და, ადრე გამოქვეყნებულ AI მოდელებთან შედარებით. , მონაცემთა ნაკრები 60 EEG გარე მითითების სტანდარტით. მკვლევარებმა შეძლეს ხელოვნური ინტელექტის (AI) მოდელის SCORE-AI (Standardized Computer-based Organized Reporting of EEG — Artificial Intelligence) ტრენინგი და დამოწმება, რომელიც არ იყო უარესი, ვიდრე ადამიანის სპეციალისტები და შეეძლო, თუ არა სრულად აღეწერა EEG, მაშინ. ყოველ შემთხვევაში, განასხვავებენ მას ნორმებისგან, არსებობს EEG-ის პათოლოგიების ოთხი ძირითადი ტიპი: EEG ფოკალური ეპილეფტიფორმული აქტივობით, EEG გენერალიზებული ეპილეფტიფორმული აქტივობით, EEG ფოკალური არაეპილეფსიური ცვლილებებით და EEG დიფუზური არაეპილეფსიური ცვლილებებით.
ასეთი სიზუსტე უკვე შესაძლებელს ხდის კლინიცისტებს უბიძგოს სასურველ კლინიკურ გადაწყვეტილებას ეეგ-ს დარგში ექსპერტების არარსებობის შემთხვევაში, ასევე გაზარდოს სპეციალიზებული ეპილეპტოლოგიის ცენტრების მუშაობის ეფექტურობა და ურთიერთთანმიმდევრულობა.
https://jamanetwork.com/journals/jamaneurology/fullarticle/2806244 doi:10.1001/jamaneurol.2023.1645