Store språkmodeller hjelper til med å forutsi epileptogene soner for kirurgi

Store språkmodeller hjelper til med å forutsi epileptogene soner for kirurgi

Epilepsi, en av de vanligste nevrologiske sykdommene preget av tilbakevendende anfall, rammer over 70 millioner mennesker over hele verden. Omtrent 3,4 millioner mennesker i USA lever med denne utfordrende tilstanden. Rundt en tredjedel av epilepsitilfellene kan ikke kontrolleres med medisiner. For disse pasientene kan kirurgisk reseksjon av den epileptogene sonen (EZ), et område hvis fjerning kan resultere i anfallsfrihet – en periode hvor en person med epilepsi ikke opplever anfall – være et effektivt alternativ for å redusere eller eliminere anfall.

Imidlertid er den nåværende suksessraten for resektiv kirurgi, der kirurgen fjerner noe av hjernevevet der anfallene oppstår, omtrent 50 % til 60 %. En av grunnene er at EZS ikke er nøyaktig identifisert. For å identifisere ECS gjennomgår pasienter en rekke tester, inkludert MR, elektroencefalografi eller EEG, og intrakranielt EEG. Epileptologer bruker disse dataene og bildene for å beskrive det som er kjent som anfallssemiologi - symptomene og atferden under anfall. Denne informasjonen brukes til å forutsi plasseringen av EZS.

Språkepileptologene som brukes til å beskrive semiologien til anfallsanfall kan imidlertid variere fra ett epilepsisenter til et annet.

"Ulike epilepsisentre kan bruke forskjellige termer som beskriver den samme semiologien av anfall," sier Feng Liu, assisterende professor ved Institutt for systemer og bedrifter, Schaefer School of Engineering and Science ved Stevens Institute of Technology. «For eksempel kan begrepene «asymmetrisk holdning» og «asymmetrisk styrkende aktivitet» brukes for å beskrive det samme,» deler han et eksempel der han refererer til en holdning der den ene armen eller benet strekkes ut mens den andre er bøyd. "Det er mange begreper som kan referere til det samme, men forskjellige sentre kan bruke forskjellig terminologi for å beskrive dem."

Dette skaper en viss inkonsekvens som gir utfordringer for kirurger. På grunn av den beskrivende karakteren til semiologien til anfall, kan store språkmodeller eller LLM-er som ChatGPT trent på en enorm kohort av offentlige registre være et verdifullt verktøy for å identifisere EZS.

Liu og teamet hans av samarbeidspartnere evaluerte den kliniske verdien av å bruke ChatGPT for å tolke semiologien til anfall for å forutsi EZ-plassering.

Store språkmodeller som ChatGPT kan være verdifulle verktøy for å analysere kompleks tekstinformasjon, hjelpe til med å tolke semiologibeskrivelsene av anfallsanfall og nøyaktig lokalisere de epileptogene sonene. "

Feng Liu, assisterende professor, Institutt for systemer og virksomhet, Schäfer School of Engineering and Science, Stevens Institute of Technology

For studien undersøkte teamet fem styresertifiserte epileptologer som søkte om en 100-spørsmål online undersøkelse om plasseringen av EZS, gitt beskrivelsen av anfallssemiologi. Teamet brukte deretter Chatgpt for å fullføre den samme oppgaven og sammenlignet ChatGPTs ytelse med epileptologer.

ChatGPT-responser ble funnet å matche responsene til epileptologer, eller responsene fra epileptologer relatert til regionene der epileptogene soner ofte er lokalisert, slik som frontallappen i hjernen og tinninglappen. Imidlertid ga epileptologer mer presise svar i regioner der EZS sjelden er lokalisert, for eksempel insula og cingulate cortex. Disse resultatene vil bli publisert iJournal of Medical Internet Researchden 12. mai.

For ytterligere å forbedre LLMs ytelse, bygde teamet den første LLM spesielt bygget for anfallshemibody-tolkning kalt Episemollm, vert på en Stevens GPU-server. Denne plattformen kan være en nyttig beslutningsassistent i den preoperative oppsettfasen for nevrokirurger og epileptologer.

"Våre resultater viser at LLM og finjustert LLM kan tjene som et verdifullt verktøy for å støtte preoperativ evaluering for epilepsikirurgi," sier Liu. "De beste resultatene ville være for mennesker og AI å samarbeide."

Kilder: