Grote taalmodellen helpen bij het voorspellen van epileptogene zones voor operaties

Grote taalmodellen helpen bij het voorspellen van epileptogene zones voor operaties

Epilepsie, een van de meest voorkomende neurologische ziekten die worden gekenmerkt door terugkerende aanvallen, treft wereldwijd meer dan 70 miljoen mensen. Ongeveer 3,4 miljoen mensen in de Verenigde Staten leven met deze uitdagende aandoening. Ongeveer een derde van de gevallen van epilepsie kan niet met medicijnen onder controle worden gehouden. Voor deze patiënten kan chirurgische resectie van de epileptogene zone (EZ), een gebied waarvan de verwijdering kan resulteren in aanvalsvrijheid – een periode waarin een persoon met epilepsie geen aanvallen ervaart – een effectieve optie zijn om aanvallen te verminderen of te elimineren.

Het huidige succespercentage voor resectieve chirurgie, waarbij de chirurg een deel van het hersenweefsel verwijdert waar de aanvallen ontstaan, is echter ongeveer 50% tot 60%. Een van de redenen is dat de EZS niet precies zijn geïdentificeerd. Om de ECS te identificeren, ondergaan patiënten een reeks tests, waaronder MRI, elektro-encefalografie of EEG, en intracraniale EEG. Epileptologen gebruiken deze gegevens en beelden om te beschrijven wat bekend staat als aanvalssemiologie: de symptomen en het gedrag tijdens aanvallen. Deze informatie wordt gebruikt om de locatie van de EZS te voorspellen.

De taal die epileptologen gebruiken om de semiologie van epileptische aanvallen te beschrijven, kan echter van epilepsiecentrum tot epilepsiecentrum verschillen.

“Verschillende epilepsiecentra kunnen verschillende termen gebruiken die dezelfde semiologie van aanvallen beschrijven”, zegt Feng Liu, assistent-professor bij de afdeling Systems and Enterprises, Schaefer School of Engineering and Science aan het Stevens Institute of Technology. “De termen ‘asymmetrische houding’ en ‘asymmetrische tonische activiteit’ kunnen bijvoorbeeld worden gebruikt om hetzelfde te beschrijven”, deelt hij een voorbeeld waarin hij verwijst naar een houding waarin één arm of been wordt gestrekt terwijl de andere gebogen is. “Er zijn veel termen die naar hetzelfde kunnen verwijzen, maar verschillende centra kunnen verschillende terminologie gebruiken om ze te beschrijven.”

Dit creëert enige inconsistentie die uitdagingen voor chirurgen met zich meebrengt. Vanwege de beschrijvende aard van de semiologie van inbeslagneming kunnen grote taalmodellen of LLM's zoals ChatGPT, getraind op een groot cohort aan openbare registers, een waardevol hulpmiddel zijn om de EZS te identificeren.

Liu en zijn team van medewerkers evalueerden de klinische waarde van het gebruik van ChatGPT om de semiologie van aanvallen te interpreteren om de EZ-locatie te voorspellen.

Grote taalmodellen zoals ChatGPT kunnen waardevolle hulpmiddelen zijn voor het analyseren van complexe tekstuele informatie, het helpen interpreteren van de semiologische beschrijvingen van aanvallen en het nauwkeurig lokaliseren van de epileptogene zones. “

Feng Liu, universitair docent, afdeling Systemen en Ondernemingen, Schäfer School of Engineering and Science, Stevens Institute of Technology

Voor het onderzoek ondervroeg het team vijf gecertificeerde epileptologen die zich hadden aangemeld voor een online enquête van 100 vragen over de locatie van EZS, gegeven de beschrijving van de semiologie van aanvallen. Het team gebruikte vervolgens Chatgpt om dezelfde taak uit te voeren en vergeleek de prestaties van ChatGPT met die van epileptologen.

ChatGPT-reacties bleken overeen te komen met de reacties van epileptologen, of met de reacties van epileptologen die verband houden met de regio's waar epileptogene zones zich vaak bevinden, zoals de frontale kwab van de hersenen en de temporale kwab. Epileptologen gaven echter preciezere antwoorden in gebieden waar EZS zelden voorkomt, zoals de insula en de cingulaire cortex. Deze resultaten zullen worden gepubliceerd inHet Journal of Medical Internet Researchop 12 mei.

Om de prestaties van LLM verder te verbeteren, heeft het team de eerste LLM gebouwd die speciaal is gebouwd voor de interpretatie van hemibody-aanvallen, genaamd Episemollm, gehost op een Stevens GPU-server. Dit platform kan een nuttige beslissingsassistent zijn tijdens de preoperatieve instelfase voor neurochirurgen en epileptologen.

“Onze resultaten laten zien dat LLM en verfijnde LLM kunnen dienen als een waardevol hulpmiddel ter ondersteuning van de preoperatieve evaluatie van epilepsiechirurgie”, zegt Liu. “De beste resultaten zouden zijn als mensen en AI samenwerken.”

Bronnen: