Ann Neurol-哈佛大学新发现：人工智能，助力癫痫保健

在遵从出有（EEG）检测的危重病人中会，多达一半的人显现了高血压和类似高血压的周期性和节律性脑社交活动模式（"高血压都为社交活动"）。在小覆盖范围的重点队列中会，这些模式已被验证与中枢神经系统失明和比率的增加有关，过多后果的概率与高血压都为社交活动的经济负担并成比例地增加。

然而，高血压都为社交活动（EA）经济负担的预后连续性还没有在西岸整个中枢神经系统、神经外科和外科病因的大型和异质性队列中会得到统计分析方法。连续出有数据的统计分析和EA经济负担的大规模统计分析方法，不仅常用预后研究课题，也常用潜在的治疗次测试，但由于送审和脚注值得注意出有的不间断性而受到限制。

藉此，哈佛大学的Sahar F. Zafar等人，开发了一种一新终端方法，能够有效率脚注来自急性住院病人的大量连续EEG历史纪录中会的所有高血压有机体。运用这些脚注，他们开发了一个方法学模型，来有约病情恶化时长时间曝露于高血压都为社交活动对中枢神经系统失明水平的法理贡献。

踏天对2011-2017年间遵从>16天内连续出有的1967名动物行为、神经外科和外科患者透过单中会心回顾性统计分析。并开发了一种人工智能算法，对11.02 TB的EEG透过脚注，并对历史纪录72天内内的高血压社交活动经济负担透过统计分析方法。

他们评估了：1）历史纪录的前所24天内内的经济负担2）经济负担最高的12天内纪元（千分之经济负担），3）检测的前所72天内内的累加。最终，应用方法学来有约高血压病经济负担对结果的影响。结果的衡量标准是病情恶化改良的Rankin量表，分别为好（0-4）和欠（5-6）两类。

他们发现，高血压千分之经济负担与过多剧情法理相关（P<0.0001）。其他法理的关联包括年龄、APACHE II、发病时的高血压发作和缺氧缺血性脑病的诊断。

根据最终一次出有测定（最多72天内的检测）和病情恶化密切关系的小时间隔：最终一次测定和病情恶化密切关系的小时间隔

这个研究课题的重要在于发现了，终端测定高血压都为社交活动千分之经济负担为未来的多中会心随机次测试提供了一个方便、一致和可统计分析方法的目标，以调查抑制高血压都为社交活动是否能改善结果。

文中会出处：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.