在倫敦大學學院（UCL）科學家們指導下工作的一個國際研究團隊創建了一種人工智能（AI）算法，可以識別導致癲癇發作的細微大腦異常。為了創建該算法，揭示局灶性腦皮質發育不良(FCD)–癲癇的一個主要原因–的實例中出現異常的地方，多中心癲癇病變檢測項目（MELD）分析了來自22個國際癲癇中心的1000多名患者的MRI圖像。
FCD是發展異常的大腦區域，常常導致耐藥性癲癇。手術通常用於治療，然而，在MRI上找到病變是醫生一直面臨的問題，因為FCD的MRI掃描可能看起來正常。
科學家們利用整個大腦的大約30萬個位置來開發該算法，該算法利用MRI掃描測量皮質特徵，如皮質/大腦表面的厚度或摺疊程度。之後，根據模式和特徵，專業放射科醫生將例子分為患有FCD或擁有健康的大腦，作為該算法的訓練數據。
根據發表在《大腦》雜誌上的結果，該算法成功識別了隊列中67%的病例（538名參與者）的FCD。
此前，有178人被宣布為MRI陰性，這意味着放射科醫生無法檢測到異常；然而，MELD算法能夠在這些案例中的63%檢測到FCD。
這一點特別關鍵，因為如果醫務人員能夠在腦部掃描中識別出異常，那麼通過手術切除它就可能提供治癒。
共同第一作者Mathilde Ripart（UCL大奧蒙德街兒童健康研究所）說：“我們把重點放在創建一個可解釋的人工智能算法上，並能幫助醫生做出決定。向醫生展示MELD算法是如何進行預測的，是這一過程的一個重要部分。”
共同第一作者Konrad Wagstyl 博士（UCL皇后廣場神經學研究所）補充說：“這種算法可以幫助發現更多兒童和成人癲癇患者的這些隱藏病變，並使更多的癲癇患者被考慮進行腦部手術，從而治癒癲癇並改善其認知發展。在英國，每年大約有440名兒童可以從癲癇手術中受益。”
世界上約有1%的人口患有嚴重的神經系統疾病癲癇，其特點是頻繁發作。在英國，大約有60萬人受到影響。雖然大多數癲癇患者都有藥物治療，但20-30%的人對藥物沒有反應。在接受手術控制癲癇的兒童中，FCD是最常見的原因，而在成年人中，它是第三大原因。
此外，在腦部有異常但在MRI掃描中無法發現的癲癇患者中，FCD是最常見的原因。
共同第一作者，Helmholtz Munich博士說：“我們的算法能夠自動學習，從數以千計的病人的MRI掃描中檢測出病變。它可以可靠地檢測出不同類型、形狀和大小的病變，甚至許多以前被放射科醫生漏掉的病變。”
共同第一作者Sophie Adler博士（UCL大奧蒙德街兒童健康研究所）補充說：“我們希望這項技術將有助於識別目前被遺漏的、導致癲癇的異常情況。最終，它可以使更多的癲癇患者接受潛在的治癒性腦部手術。”
這項關於FCD檢測的研究使用了迄今為止最大的FCD的MRI隊列，這意味着它能夠檢測所有類型的FCD。
MELD FCD分類工具可以在任何懷疑有FCD的3歲以上並有MRI掃描的病人身上運行。