Nature综述:AI缩小全球癫痫诊疗差距的潜力
时间:2026年11月20日
地点:荷兰乌得勒支,第一作者 Willem M. Otte 任职于乌得勒支大学医学中心儿科神经科与 UMC Brain Center,论文由 Springer Nature 旗下《Nature Reviews Neurology》在线发表
人物:论文由 Willem M. Otte、Kette D. Valente、Frank I. van der Maas、Kees P. J. Braun 与 Gagandeep Singh 五位作者共同撰写
事件详情:《Nature Reviews Neurology》11月20日在线发表综述《Potential and pitfalls of artificial intelligence to address disparities in epilepsy》,系统评估人工智能在缩小全球癫痫诊疗差距上的潜力与风险。综述指出,多数癫痫患者生活在中低收入国家,而这些地区同时面临神经科医生、脑电图设备和磁共振设施的短缺,诊断延迟与治疗缺口因此被放大。作者认为,把不断进步的 AI 模型与日益普及的互联网连接和智能手机使用结合起来,通过分析低成本开源脑电系统采集的记录、智能手机数据和电子病历,可以在缺乏专科医生的地区支撑癫痫诊断与监测;综述提到,个别深度学习算法在范围很窄的脑电判读任务上已达到与临床专家相当的水平。综述还提出多模态大模型这一方向,即把以本地语言或原住民语言记录的患者病史与脑电信号一并输入具备推理能力的大模型,并要求模型解释自身的临床推理过程。
背景:世界卫生组织的癫痫官方概况页显示,全球约有 5000 万名癫痫患者,其中近八成生活在中低收入国家;在低收入国家,约四分之三患者得不到所需治疗,这一缺口被称为治疗缺口,而其中近七成患者若能获得正确诊断和治疗本可无发作生活。围绕缩小这一差距的可行性,同期多项研究给出了可量化的结果。《European Journal of Neurology》2026 年的综述记录了三类应用:用撒哈拉以南非洲五国人群数据开发的手机诊断工具识别伴惊厥的癫痫,AUC 达 0.92 至 0.95、敏感度 85.0% 至 97.5%,仅依赖咬舌、尿失禁、意识丧失和运动表现等八个二元临床特征;基于深度学习的自动脑电判读系统 SCORE-AI 在多中心数据集上达到 AUC 0.89 至 0.96、准确率 85% 至 92%;基于可穿戴设备的深度学习模型则面向低成本智能手表检测全面性惊厥发作。
影响:风险与机会被并列点明。综述强调算法泛化、透明度和医疗公平是硬约束,主要在高收入国家队列上训练与评估的模型,部署到人口与临床特征迥异的地区时常常失效。《PLOS Digital Health》用撒哈拉以南非洲五处数据点所做的检验显示,单点模型在本地表现良好,换到其他站点普遍变差(p 小于 0.05),模型权重与最优阈值在不同站点差异明显,而把更多站点加入训练后,模型内部表现下降、外部表现回升。另一项发表于《Scientific Reports》的前瞻性诊断研究提示,多模态大模型尚不能独立承担诊断:四个版本的 Gemini 仅凭智能手机视频区分癫痫发作与功能性发作,准确率最高为 54.2%,模型自报置信度与实际正确性基本不相关,作者认为临床落地前仍需领域微调。综述给出的转化路径是分阶段的,先完成硬件层面的物理验证,再做本地化算法适配,然后推进前瞻性临床试验,最后进入可持续规模化,且规模化应当补强而非替代基层临床培训。
总结:这篇综述的结论是克制的,人工智能确实是缩小全球癫痫诊疗差距的现实工具,但当前证据更多指向机会而非已经验证。它把希望放在低成本开源硬件与本地化适配上,把风险指向跨人群失效、算法不透明和临床技能流失,并主张按硬件验证、本地适配、前瞻临床试验、可持续放大的顺序推进。对从业者最实用的信号是,在这类医疗 AI 中,决定能否落地的往往不是模型规模,而是硬件成本、数据本地化和外部验证。
常见问题:
问:AI 诊断癫痫准确率有多高?
答:分场景而异,手机诊断工具识别伴惊厥癫痫的敏感度可达 85.0% 至 97.5%;但仅凭视频让多模态大模型区分癫痫与功能性发作,准确率最高只有 54.2%。
问:全球癫痫诊疗差距指的是什么?
答:世界卫生组织的官方数据是全球约 5000 万名癫痫患者,近八成生活在中低收入国家,低收入国家约四分之三患者得不到所需治疗。
参考来源:
《Nature Reviews Neurology》原文:Potential and pitfalls of artificial intelligence to address disparities in epilepsy
https://www.nature.com/articles/s41582-026-01287-8
Bioengineer.org 报道:Artificial Intelligence Evaluated for Reducing Global Disparities in Epilepsy Diagnosis
https://bioengineer.org/artificial-intelligence-evaluated-for-reducing-global-disparities-in-epilepsy-diagnosis/
Europe PMC 收录记录:Artificial Intelligence for Improving the Management of People With Epilepsy in Low-and-Middle Income Countries
https://www.ebi.ac.uk/europepmc/webservices/rest/search?query=DOI:%2210.1111/ene.70740%22&resultType=core&format=json
《PLOS Digital Health》:Evaluating the generalisability of region-naive machine learning algorithms for the identification of epilepsy in low-resource settings
https://journals.plos.org/digitalhealth/article?id=10.1371/journal.pdig.0000491
世界卫生组织官方概况页:Epilepsy
https://www.who.int/news-room/fact-sheets/detail/epilepsy
《Frontiers in Neurology》综述:Artificial intelligence in electroencephalography analysis for epilepsy diagnosis and management
https://www.frontiersin.org/journals/neurology/articles/10.3389/fneur.2025.1615120/full
《Advanced Neurology》综述:Artificial intelligence in epilepsy education
https://jf2.hep.com.cn/10590e97a4ed49ba9e34eb6be6be9f1d.pdf
《Epilepsia》文章 PDF:Josephson 等 A call for ethical, equitable, and effective artificial intelligence to improve care for all people with epilepsy
https://curis.ku.dk/ws/files/546615822/Epilepsia_-_2025_-_Josephson_-_A_call_for_ethical_equitable_and_effective_artificial_intelligence_to_improve_care_for_all.pdf
《Scientific Reports》:Diagnostic accuracy of multimodal large language models in differentiating epileptic from functional seizures in smartphone recorded videos
https://www.nature.com/articles/s41598-026-46333-z







