重症监护脑电图标注的众包评估：与专家表现的对比研究

来自美国国立卫生研究院（NIH）和国家科学基金会（NSF）资助团队的研究人员，为解决神经重症患者脑电图（EEG）中癫痫发作和节律/周期性放电模式（SRPPs）标注的专家资源短缺问题，创新性地通过移动应用开展众包标注研究。研究发现采用加权多数投票时，1534名非专家组成的"人群"在整体SRPP识别准确率达0.70（95%CI:0.69-0.70），与专家组的0.68（95%CI:0.68-0.70）相当，为训练AI算法的大规模标注数据获取提供了新思路。

　　

在神经重症监护领域，准确识别脑电图（EEG）中的癫痫发作和节律/周期性放电模式（Seizures and Rhythmic/Periodic Patterns, SRPPs）直接关乎患者诊疗决策。虽然自动化检测技术不断发展，但需要大量专家标注的优质数据作为"养料"。面对神经电生理专家稀缺的困境，科研团队脑洞大开——让"人民群众的力量"参与专业标注！

通过设计移动端EEG评分竞赛，研究团队集结了8位专家与1534名非专业人士（包括医生、医学生、药剂师等医疗相关从业者），共完成478,834次六类SRPP的标注任务。有趣的是，当采用"人多力量大"的加权多数投票策略时，这群"业余选手"在整体SRPP识别上表现惊艳——准确率0.70（95%CI:0.69-0.70）甚至略超专家组的0.68（95%CI:0.68-0.70）。具体到放电类型，群众军团对广义周期性放电（GPDs）和节律性δ活动（GRDA）的识别能力与专家旗鼓相当，仅在侧向周期性放电（LPDs）和"其他"类别稍逊一筹。

这项研究犹如打开了一扇新世界的大门：通过精心设计的众包策略，可以高效获取接近专家水平的EEG标注数据，这对加速人工智能算法训练堪称"及时雨"。当然挑战依然存在，比如如何保证标注质量的一致性，以及现实场景中缺乏金标准等问题仍需攻克。该成果由美国国立卫生研究院（NIH）多项基金（包括RF1AG064312、R01NS126282等）和国家科学基金会（NSF 2014431）联合资助，其中部分研究者来自脑电分析公司Beacon Biosignals和Centaur Labs。