AI揭開隱性腦部病變，翻轉癲癇治療新篇章

一款名為MELD Graph的人工智慧工具，正以革命性的方式改變癲癇治療的現狀。這項工具能夠偵測到放射科醫師常忽略的細微腦部異常，透過分析全球的核磁共振影像（MRI）資料，不僅提升了診斷速度，更增加了手術治療的可及性，同時降低了醫療成本。雖然目前尚未正式應用於臨床，但它已協助醫師辨識出可手術的病變，為全球癲癇患者帶來新希望。

科學家們開發的這款AI工具，能夠偵測出64%與癲癇相關的腦部異常，這些異常往往被人類放射科醫師所忽略。研究人員指出，MELD Graph有望大幅改善英國約3萬名以及全球約400萬名因特定病因引發癲癇患者的照護品質。一項由倫敦國王學院與倫敦大學學院（UCL）團隊於今日（2月24日）發表在《JAMA Neurology》期刊上的研究顯示，MELD Graph顯著提升了「區域性皮質發育不良」（FCDs）的偵測率，而FCDs正是引發癲癇的主要病因之一。

研究人員表示，這項AI技術不僅能加速診斷，讓患者更快獲得手術治療，還能降低醫療成本，預計每位患者可為英國國民保健署（NHS）節省高達5.5萬英鎊（約7萬美元）。在英國，每100人中就有1人患有癲癇，其中每5人就有1人是因腦部結構異常或病變引發癲癇發作。FCDs是癲癇的常見結構性病因，但在許多案例中，藥物無法有效控制這些異常引發的癲癇發作。手術切除病變通常是安全且有效的治療方式，但診斷FCDs卻是一大挑戰，因為這些病變往往非常細微，放射科醫師的漏診率高達50%。

延誤診斷與治療FCDs，意味著患者將面臨更多的癲癇發作、急診就醫，以及日常生活受到嚴重幹擾，包括工作、學業與整體生活品質。MELD Graph透過提升偵測率，有望徹底改變癲癇的診斷與治療方式，讓患者更快獲得改變生命的照護。

在這項研究中，研究團隊從全球23個癲癇中心的「多中心癲癇病變偵測計畫」（MELD）中匯集了1185名參與者的MRI資料，其中包括703名FCD患者與482名對照組，其中半數資料來自兒童。他們隨後利用這些影像訓練了MELD Graph這款AI工具，以偵測這些可能被忽略的細微腦部異常。

研究的主要作者、倫敦國王學院的Konrad Wagstyl博士表示：「放射科醫師目前被大量的影像資料淹沒，使用像MELD Graph這樣的AI工具，可以協助他們做出更精準的判斷，提升NHS的效率，加速患者的治療時程，並減少不必要的昂貴檢查與程式。」

共同作者、義大利Bambino Gesù兒童醫院的Luca Palma博士分享了一個案例：「MELD Graph在一名12歲男孩的影像中發現了一處被多位放射科醫師忽略的細微病變，這名男孩每天都會癲癇發作，並已嘗試過九種抗癲癇藥物，但病情毫無改善。這項工具能夠辨識出適合手術治療的癲癇患者，並協助進行手術規劃，從而降低風險、節省成本並改善治療效果。」

儘管這項工具尚未正式應用於臨床，但研究團隊已將其作為開源軟體發布。他們正在全球範圍內舉辦工作坊，培訓臨床醫師與研究人員，包括大奧蒙德街醫院與克利夫蘭診所，教導他們如何使用這項工具。

第一作者、UCL的Mathilde Ripart博士表示：「對我來說，最令人振奮的是聽到來自英國、智利、印度與法國等地的醫師，能夠使用我們的工具來幫助他們的患者。」

共同作者、威爾斯親王兒童癲癇講座教授、國際抗癲癇聯盟主席、大奧蒙德街醫院癲癇專科顧問，以及UCL大奧蒙德街兒童健康研究所所長Helen Cross教授表示：「許多我診治的兒童在發現病變前，已經歷了多年的癲癇發作與檢查。癲癇社群正在尋找加速診斷與治療的方法，像MELD這樣的計畫，有望快速辨識出可切除的異常，並可能治癒癲癇。」

共同主導者、UCL的Sophie Adler博士強調：「這類研究唯有透過國際合作才能實現。我們很榮幸能與75位研究人員與臨床醫師共同努力，朝著『全球無遺漏癲癇病變』的目標邁進。」

參考文獻：Ripart M等人，《使用圖神經網路檢測癲癇性區域性皮質發育不良：MELD研究》，2025年2月24日，《JAMA Neurology》。DOI: 10.1001/jamaneurol.2024.5406