△（从左至右）翰林大学人工智能融合学部崔佳英（音）教授、 盆唐首尔大学医院康复医学科金元石（音）教授、电子与信息工程学科黄汉正（音）教授。

 

 

高丽大学世宗校区（副校长 梁智雲）黄汉正（音）教授（电子与信息工程学科）、 盆唐首尔大学医院金元石（音）教授（康复医学科）、翰林大学崔佳英（音）教授的联合研究团队开发了一项技术，通过人工智能自动化脑卒中患者的个性化康复治疗，将治疗效率提高了最多82%。

 

该技术是无需专业医疗团队的帮助，患者也能自行在家进行脑神经康复训练的革新性方法，被评价为提前进入以非面对面、家庭为基础的数码保健时代的核心源泉技术。

 

此次研究结果刊登在神经工学及康复领域的世界性学术杂志《神经再生与康复》（Impact Factor 5.2，康复领域前2%）上，论文名为Clinical Feasibility of Motor Hotspot Localization Based on Electroence Phalography Using Convolution Ne Networks in Stroke。

 

近年来，医疗界将利用微弱电流代替药物治疗或缓解疾病的电子药物（electroceutical）技术视为下一代治疗方法。其中，经颅电刺激（transcranial electrical stimulation， tES）是一种通过在头皮上施加微弱电流（1~2mA）来调节大脑神经活动的非侵入性脑刺激方法。它被认为对缓解由于脑卒中导致的运动功能下降或抑郁症等精神疾病症状具有显著效果。

 

然而，传统的tES治疗需要患者每次都到医院就诊，并且刺激位置需要根据专家的经验性判断来确定，这给患者带来了不便。这些程序被认为是限制行动不便患者的可及性，并且被指出是影响治疗依从性和效果的主要因素。

△正常人和脑卒中患者的最佳脑电刺激位置，即运动热点（motor hotspot）位置

为此，研究团队利用过去的个体脑电图（EEG）数据，开发了全球首个基于人工神经网络（ANN）的算法，可以自动找到最适合患者的电刺激位置。这项研究是在之前成果的基础上进一步发展，改进了原本需要专家进行高度复杂信号处理和解读的脑信号分析过程，通过深度学习的人工智能自动完成。通过这一改进，研究团队在无需额外数据处理的情况下，直接使用原始脑电图（raw EEG data），并且实现了相比传统研究最大82%的性能提升。

 

这项技术无需专业人员的帮助，便能支持患者和护理人员在家中轻松进行脑电刺激康复。研究团队期望这一成果能够提高脑卒中患者的康复效率和治疗依从性，并通过推动非面对面、居家为基础的治疗，减轻患者和护理人员的负担，同时有助于降低社会医疗费用。

 

研究负责人黄汉正（音）教授表示：“此次研究开发成果作为一种能够在日常生活中方便患者和普通人使用的脑电刺激基础数字健康电子药物的核心技术，具有很大的应用潜力。”并表示：“我们计划通过进一步的研究验证技术的临床有效性，并推进技术的高阶化，以提高其商业化的可能性。”

△利用基于CNN的人工智能算法，仅通过脑电图（EEG）估算运动热点（motor hotspot）的误差（在3毫米以内）（通过逐步减少从63个传感器到9个传感器的数量进行评估）

此次研究在信息通信规划评估院（大学ICT研究中心项目）、韩国研究基金会（脑科学领先融合技术开发项目·STEAM研究项目·地区创新领先研究中心培育项目）以及盆唐首尔大学医院的支持下进行。

 

高丽大学世宗校区宣传集资部

翻译：赵炫怡