面向早产新生儿、足月新生儿及婴儿的新型 AI 癫痫发作检测算法验证

基于摘要分析。研究针对生命第一年连续 EEG 监测依赖专家判读的问题，评估 Clarity（Ceribell Inc.）自动癫痫发作检测算法在早产新生儿、足月新生儿及婴儿中的真实世界性能。主要贡献是提供跨三家美国医院、覆盖不同成熟度与年龄群体的临床数据验证，而非提出可由摘要重建的新算法机制。 验证数据来自出生后年龄 0–1 岁、胎龄 22–42 周且接受连续 EEG 监测的患者。摘要列出 167 名早产新生儿、323 名足月新生儿及 266 名婴儿，共 756 份 EEG 记录，累计 5230 小时；单份记录时长中位数为 2.94 小时，四分位区间为 1.46–12.62 小时。75 份记录含有共 568 次癫痫发作，累计发作时长为 15.13 小时。 评估分为三个层级：将 10 秒 EEG 片段分类为发作或非发作的曲线下面积；发作事件检出的敏感度与误报；以及按预设累计发作时长阈值判断记录是否阳性的敏感度、特异度、阴性预测值和阳性预测值。作者报告，片段级曲线下面积为 0.96，发作事件检出比例为 75–83%，含发作记录的识别比例为 89–94%；排除记录中存在发作时，判断正确的比例为 99–100%。这些数值对应不同评估单位，不能互换；摘要未明确各范围对应的阈值，也未充分说明最后一项与阴性预测值的具体对应关系。 作者报告，各年龄群体及三家医院间性能相当，并据此认为 Clarity 用于生命第一年连续 EEG 的自动发作检测具有现实可行性。该结论仍需结合完整协议审视：参考标注与专家一致性、训练和验证数据的独立性、通道配置、阈值选择、单位时间误报数、置信区间及分组比较方法尚未验证。摘要未提供算法结构、训练损失或可复现实现，也未验证自动告警是否改善治疗时效或神经发育结局。本研究属于临床 EEG 发作检测验证，不能据此推导 BCI 解码性能。