L’appareil portable développé par l’Université Ben-Gurion peut générer un avertissement préalable une crise à venir qui peut être envoyé à un smartphone jusqu’à une heure avant son apparition.
Par TPS
Des chercheurs de l’Université Ben-Gourion du Néguev (BGU) ont développé l’Epiness, un appareil unique en son genre pour détecter et prédire les crises d’épilepsie basé sur des algorithmes d’apprentissage automatique.
L’appareil portable peut générer un avertissement avancé concernant une crise à venir qui peut être envoyé à un smartphone jusqu’à une heure avant son apparition.
L’épilepsie est une maladie neuronale très répandue. Jusqu’à 30% des patients ne répondent pas de manière adéquate aux médicaments antiépileptiques et vivent dans la peur constante de crises imminentes. Pour ces patients, un dispositif de prédiction des crises pourrait offrir une amélioration substantielle de la qualité de vie, leur permettant d’éviter les blessures liées aux crises.
Les dispositifs d’alarme de saisie actuels peuvent détecter une crise en temps réel, mais ne sont pas en mesure de fournir des avertissements prévoyant des crises imminentes.
Epiness est un dispositif de prédiction et de détection des crises basé sur une combinaison de surveillance de l’activité cérébrale basée sur l’EEG et d’algorithmes d’apprentissage automatique exclusifs.
L’appareil combine un appareil EEG portable avec un logiciel qui minimise le nombre d’électrodes EEG nécessaires et optimise le placement des électrodes sur le cuir chevelu.
Les algorithmes sophistiqués d’apprentissage automatique sont conçus pour «filtrer le bruit» qui n’est pas lié à l’activité cérébrale, extraire des mesures informatives de la dynamique cérébrale sous-jacente et faire la distinction entre l’activité cérébrale avant une crise d’épilepsie attendue et l’activité cérébrale lorsqu’une crise ne devrait pas se produire.
«Les crises d’épilepsie exposent les patients épileptiques à divers risques évitables, y compris les chutes, les brûlures et autres blessures», a déclaré le Dr Oren Shriki, du Département des sciences cognitives et cérébrales du BGU. «Malheureusement, il n’existe actuellement aucun dispositif de prévision des crises qui puisse alerter les patients et leur permettre de se préparer aux crises à venir. Nous sommes donc très heureux que les algorithmes d’apprentissage automatique que nous avons développés permettent une prédiction précise des crises imminentes jusqu’à une heure avant leur apparition ».
«Puisque nous avons également montré que nos algorithmes permettaient une réduction significative du nombre d’électrodes EEG nécessaires, le dispositif que nous développons est à la fois précis et convivial. Nous développons actuellement un prototype qui sera évalué dans des essais cliniques plus tard cette année. »
Le nouvel algorithme a été développé et testé à l’aide de données EEG provenant d’un vaste ensemble de données de personnes épileptiques qui ont été surveillées pendant plusieurs jours avant la chirurgie. Les données des patients ont été divisées en courts segments qui étaient soit pré-crise (pré-crise), soit inter-ictale. Plusieurs algorithmes d’apprentissage automatique avec des complexités différentes ont été formés sur des données d’entraînement pré-allouées comprenant 80% des données EEG initiales, et leurs performances de prédiction, ainsi que les performances dépendantes des électrodes, ont été évaluées sur les 20% restants des données.
L’algorithme avec les meilleures performances de prédiction a atteint un niveau de précision de 97%, avec des performances quasi optimales maintenues (95%) même avec relativement peu d’électrodes.
Le système a été concédé sous licence pour un développement et une commercialisation ultérieurs à NeuroHelp, une start-up récemment fondée par BGN Technologies, la société de transfert de technologie de BGU et du Dr Oren Shriki, et le fondateur scientifique de NeuroHelp.