综述：用于癫痫诊疗决策支持的人工智能

《Epilepsia》：Artificial intelligence for epilepsy decision support

人工智能在癫痫诊疗中的应用及挑战。本文综述AI在病史采集、电子病历分析、脑电图和MRI解读、多模态整合等环节的作用，指出其可提升效率、诊断准确性和治疗预测能力，但需关注疗效评估、工作流程整合及伦理问题如偏见、透明度、隐私保护等。最终强调AI作为临床辅助工具需经多场景验证并与医生协作开发。

　　

摘要

人工智能（AI）在癫痫领域的应用日益广泛。癫痫诊疗存在诸多不确定性，治疗方法多样，治疗效果也各不相同。本文综述了AI在病史采集、电子病历管理、脑电图（EEG）检测、磁共振成像（MRI）以及多模态数据整合等关键环节中的现有作用及潜在应用。AI主要能够提升工作效率（通过任务自动化实现）、提高诊断准确性（包括基于治疗结果的验证），并在治疗决策中发挥作用，例如预测癫痫复发风险、药物耐药性以及是否适合手术治疗。文章还讨论了评估药物治疗、手术治疗和设备治疗效果的挑战，并探讨了AI在减轻行政工作负担方面的潜力。同时，针对AI应用中的伦理问题（如偏见、透明度、责任归属、隐私保护、可持续性以及过度依赖的风险）进行了分析，认为这些问题对于AI的负责任应用至关重要。总体而言，AI作为一种决策支持工具，有望辅助临床判断，但无法完全取代医生的专业判断，前提是AI需要在多种实际环境中经过验证，并与临床医生共同开发。

利益冲突声明

Michael R. Sperling曾为Medtronic和Neurelis公司提供咨询服务。他获得了Medtronic、SK Life Science、Takeda、Xenon、Cerevel、UCB Pharma、Janssen、Equilibre、Epiwatch、Byteflies、Biohaven、Cavion和Supernus等公司的研究支持，并从牛津大学出版社（Oxford University Press）和剑桥大学出版社（Cambridge University Press）获得了版税收入。Itai Loushy没有需要声明的利益冲突。我们确认已阅读该期刊关于伦理出版相关规定的内容，并保证本报告符合这些规定。

数据可用性声明

由于本研究过程中未生成或分析任何数据集，因此不适用数据共享的相关要求。