中国团队研发AI算法秒级诊断非惊厥性癫痫

中国研究人员近期在医疗人工智能领域取得重要突破，成功开发出一款新型智能算法，能够以极高的准确率检测“非惊厥性癫痫”（Non-Convulsive Epilepsy）。这一技术有望显著加速临床诊断流程，特别是在急诊科及资源有限的医院中，为改善患者预后提供强有力的技术支持。

非惊厥性癫痫是一种较为隐蔽且危险的神经系统疾病。与伴有明显肢体抽搐的典型癫痫不同，该病症缺乏外在的痉挛表现，导致其早期识别极为困难。目前，确诊主要依赖于专业医生对脑电图（EEG）数据的深度解读，这不仅耗时较长，且对医生的专业经验要求极高。

根据发表在《科学报告》（Scientific Reports）期刊上的研究数据，该新模型在疾病识别方面的准确率达到了97.54%。这项研究由安阳人民医院的董旭（Dong Xu）与中国电子科技大学的李浩（Hao Li）共同领导。

多阶段信号处理与深度学习架构

该系统的核心技术在于对脑电信号进行多层级的深度分析。首先，系统采集患者的原始EEG信号，随后利用连续小波变换和希尔伯特-黄变换（Hilbert-Huang Transform）等先进算法，提取信号中的时间与频率特征。

这些提取出的特征被转化为反映大脑活动模式的“热力图”，进而输入到基于MobileNetV3架构的神经网络中。该网络集成了智能注意力机制，能够自动聚焦于神经信号中Zui具诊断价值的关键区域。此外，系统还引入了预处理医疗数据及移动平均计算，以有效降低误报率，进一步提升诊断的稳健性。

轻量化部署赋能基层医疗

相较于传统庞大的AI模型，该系统的显著优势在于其极低的计算资源需求。这种“轻量化”特性使得算法能够运行在树莓派（Raspberry Pi）等低成本单板计算机或便携式医疗设备上。

这一突破打破了高端诊断技术对昂贵服务器集群的依赖，使得偏远地区的医院、救护车以及急诊中心无需构建复杂的IT基础设施，即可直接应用先进的AI辅助诊断工具。这对于医疗资源分布不均的地区而言，意味着患者能够获得更及时、平等的诊疗服务。

缩短诊断窗口期与后续验证

研究团队指出，非惊厥性癫痫往往因缺乏即时专业神经生理学家支持而被延误诊断。通过大幅压缩从数据采集到出具结果的时间，该技术能促使临床医生更快启动治疗方案，从而直接提升患者的康复几率。

尽管初步成果令人鼓舞，研究人员仍强调，在正式纳入医疗机构常规诊疗流程前，需在更大规模的独立患者群体中进行广泛的临床试验验证，以确保其在不同人群中的普适性与安全性。