L’intelligenza artificiale (AI) e il machine learning stanno mostrando risultati promettenti nella diagnosi dell’epilessia pediatrica attraverso l’analisi delle registrazioni elettroencefalografiche (EEG) e il rilevamento delle crisi epilettiche.
L’epilessia è uno dei disturbi neurologici più diffusi nella popolazione pediatrica, con quasi 10,5 milioni di bambini colpiti, e rappresenta quindi un onere clinico significativo per gli specialisti. Esistono molte possibili cause di epilessia e le registrazioni elettroencefalografiche (EEG) sono uno degli strumenti più importanti a supporto della diagnosi.
Lo sviluppo di uno strumento basato sull’intelligenza artificiale (AI) in grado di prevedere e rilevare accuratamente le crisi epilettiche si configura come una risorsa preziosa per i medici di tutto il mondo, con il potenziale di semplificare il processo diagnostico. La sua importanza nella diagnosi dell’epilessia è particolarmente significativa nella popolazione pediatrica, dove distinguere tra una crisi epilettica e un evento non critico è spesso difficile.
Modelli a confronto
Una revisione (“Artificial Intelligence and Machine Learning in Pediatric Epilepsy: A Systematic Review“), pubblicata su Neurology and Therapy, esplora i progressi degli strumenti basati sull’intelligenza artificiale (AI) nell’interpretazione dei dati clinici, confronta i modelli esistenti, identifica quelli più efficienti e determina i limiti dei sistemi attuali e delle ricerche ad oggi disponibili. Nello specifico, i ricercatori hanno consultato tre database per includere studi in qualsiasi lingua che soddisfacessero i criteri di ammissibilità. Ogni articolo è stato esaminato e valutato da almeno tre revisori indipendenti.
Le applicazioni cliniche indagate includono la previsione e il rilevamento automatizzati delle crisi epilettiche, il monitoraggio delle crisi neonatali, la pianificazione e la previsione degli esiti chirurgici e i sistemi indossabili per il rilevamento delle crisi.
Intelligenza artificiale a supporto degli specialisti
Le reti neurali convoluzionali sono risultate l’architettura di deep learning predominante, mentre le macchine a vettori di supporto (SVM) l’approccio di machine learning più impiegato. Il rilevamento delle crisi epilettiche basato sull’intelligenza artificiale (AI) ha mostrato prestazioni diagnostiche paragonabili a quelle degli specialisti.
Le applicazioni riportate includono il rilevamento di specifiche sindromi epilettiche, l’identificazione dello stato epilettico elettrico durante il sonno (ESES) e dell’indice punta-onda, la sorveglianza elettroencefalografica (EEG) continua, il monitoraggio neonatale e le tecnologie indossabili per il rilevamento delle crisi epilettiche.
I modelli di intelligenza artificiale (AI) hanno raggiunto un’accuratezza diagnostica superiore al 90% nel distinguere le registrazioni elettroencefalografiche (EEG) normali da quelle anomale, con il rilevamento automatico delle crisi epilettiche che rappresenta l’applicazione clinica più diffusa.
Nonostante i risultati incoraggianti, l’affidabilità di questi sistemi è limitata dalle dimensioni ridotte delle coorti (in genere meno di cento pazienti). Gli sforzi futuri dovrebbero concentrarsi sulla validazione multicentrica su larga scala per consentire l’implementazione clinica. È inoltre essenziale riconoscere che i dati delle registrazioni elettroencefalografiche (EEG) di ciascun paziente sono unici: gli algoritmi potrebbero risultare insufficienti in molti casi, rendendo necessaria l’interpretazione da parte di uno specialista.
Fonte
- Malik E., Wizner M., Karpierz J.I. et al. Artificial Intelligence and Machine Learning in Pediatric Epilepsy: A Systematic Review. Neurol Ther (2026).
