《Nature Medicine》：Human–artificial intelligence collaboration for comanaging epilepsy in real time
编辑推荐：
全球7000万癫痫患者中有三分之一发作未被药物控制，植入式装置是有前景的治疗手段。这些装置可检测即将发生的发作、漏服药物及认知受损，但像多数医疗器械一样，无法将此类信息实时分享给患者。这错失了装置从临床事件学习并教导患者其行为如何影响健康的机遇。研究人员提出一
全球7000万癫痫患者中有三分之一发作未被药物控制，植入式装置是有前景的治疗手段。这些装置可检测即将发生的发作、漏服药物及认知受损，但像多数医疗器械一样，无法将此类信息实时分享给患者。这错失了装置从临床事件学习并教导患者其行为如何影响健康的机遇。研究人员提出一种与患者对话以帮助管理癫痫的装置平台。住院原型将头皮与颅内脑电图（electroencephalography, EEG；intracranial EEG, iEEG）连接至安全的、基于大型语言模型（large language model, LLM）的人工智能（AI），通过智能手机应用实现双向通信。该AI处理睡眠、药物、认知与发作概率等生物标志物，通知患者临床事件与趋势，记录症状与反应，并利用反馈重新训练发作检测器以减少误报。研究人员在13例接受视频EEG监测的癫痫患者中验证该平台（头皮11例，颅内2例）。在伪前瞻性模拟中，仅借患者反馈即可提升检测器精度，无需专家介入。研究人员提议该体系作为可扩展、受保护的医疗器械平台，可快速适应癫痫及其他疾病中患者与提供者需求。
该研究发表于《Nature Medicine》。研究背景方面，全球约7000万癫痫患者中超过三分之一即使积极药物治疗仍有发作，功能手术仅约半数两年后无发作，植入式装置可减少发作但极少实现无发作；已获批癫痫装置多为开环或闭环刺激，数据不能实时共享，患者无法获知发作风险、促发因素及自身行为影响，也不能配置装置或高效标注数据重训算法。新微创EEG装置可连续采集并传云处理，但缺乏让患者与之实时双向交流的交互界面。因此研究人员构建并验证了可双向对话、用LLM把神经生理信息转化为可执行反馈、并用患者反馈持续优化检测算法的平台。
关键技术方法上，研究人员在宾夕法尼亚大学癫痫监测单元（epilepsy monitoring unit, EMU）开展前瞻性单中心观察研究，纳入13例成人住院患者（头皮EEG 11例、iEEG 2例）；平台由院内EEG数据获取层、符合HIPAA云分析环境、手机端对话AI三层组成；云中用SPaRCNet、ONCET、SpikeNet、YASA等提取发作概率、尖波、睡眠分期、相位同步与抗癫痫药（anti-seizure medication, ASM）负荷；AI用HIPAA合规GPT-4o-mini，经LangGraph状态机做输入/输出审核、意图路由、ReAct数据代理与SQL查询；每3小时用患者标注做患者入环微调，每日用最少置信片段做临床医生入环主动学习微调。
患者招募（Patient recruitment）中，研究人员在未改变标准照护下纳入13例EMU术前评估患者，证实住院环境内部署该平台可行。
装置平台（Device platform）中，研究人员把实时EEG元数据、云端生物标志物库与手机双向聊天/图表展示打通，系统主动发警报与调查，患者查数据并标注症状。
患者参与（Patient engagement）中，1307条消息分析显示系统发起68.9%，患者多作日常对话； seizure查询10分钟内回率44.8%；67.2%实时发作警报被标注，通用聊天延迟中位1.95秒，数据代理8.69秒，路由精度89.7%，数据代理检索精度92.1%，系统可用性量表（System Usability Scale, SUS）均分83属优秀。
癫痫发作检测（Seizure detection）中，伪前瞻性模拟显示：用按键报警标注微调，每小时误报中位降77.8%，F1升115.4%；用App标注微调误报降80.9%，F1升158.4%；临床医生入环微调误报降82.6%，F1升271.5%，且基线灵敏度得以保持。
讨论部分总结：研究人员指出该工作把生理/行为信号与双向自发交流结合，弱标签已足以降本增效，临床医生入环可进一步扩大至帕金森（Parkinson’s disease, PD）深脑刺激（deep brain stimulation, DBS）、心脏与胰岛素泵等场景；出院调查发现患者更觉行为—健康关联可见。局限性为EMU小样本、时间短、减药诱发、未用视频/心电融合、微调后仍有每日2–4次误报、灵敏度未提升。伦理上所有推理在HIPAA云内、每日人工审交互、AI治理委员会监管；长期需防过度依赖与明确责任分配。下一步应在门诊长期植入数据中证明减少发作、急诊与资源占用。
结论部分翻译：研究人员提出会与患者对话交互以助疾病管理与改善生活质量的医疗器械愿景。鉴于计算、AI与神经科学创新速度，此类交互将渐成常态。科幻中人与智能装置已深度融合，正因前路大有可为，才须快速推进，但也承认在系统值得信任前仍需时间与迭代改进。必须审慎前行，预见冲突、失效模式与伦理挑战，同时拥抱改善人类境况的巨大潜力。
