利用皮层内微电极阵列记录的局部场电位预测癫痫发作

基于摘要分析。本研究针对药物难治性局灶性癫痫的发作预测，探索小片新皮层区域的局部场电位（LFP）能否提供发作前预警信号。作者使用深度 Convolutional Neural Networks（CNNs）区分发作间期与发作前期活动，提出以皮层内 LFP 支持癫痫闭环控制的初步路径；研究并未在摘要中报告实际刺激干预效果。 信号与方法：材料涉及一名局灶性癫痫患者，通过植入的 10×10 微电极阵列记录 LFP。CNN 输入为各 LFP 通道在 1 秒时间窗内的频谱功率，覆盖 0–100 Hz，以 2 Hz 步长计算为 50 个频带。核心任务是发作间期与发作前期的判别，而非仅识别已经发生的发作。相较摘要所述的非侵入式 EEG 或 iEEG 路径，本研究主要探索局部皮层内记录的预测价值，不能据此认定 CNN 架构本身具有新颖性。 结果与证据边界：作者报告，在该患者的记录中，发作前 2–18 分钟的活动可与发作间期活动区分，检测率为 80%，且未出现假阳性。该检测率不能改写为 Accuracy；“无假阳性”也仅适用于所报告的评估范围，不能外推为长期监测中的零误报。摘要未提供发作次数、监测时长、发作前期定义、训练与测试划分及对照基线，因此尚不能判断事件级预测能力或实际预警负担。 复现需核对频谱估计与预处理、通道使用方式、CNN 结构与训练设置、窗口标签定义，以及按发作或时间段划分数据的具体协议。实验协议、消融及统计信息尚未验证，代码与数据可用性亦尚未验证。作者将结果定位为初步发现；单患者、局部皮层采样条件下的结果尚不足以支持跨被试泛化，也不等同于闭环治疗有效性的临床证据。