Europe PMC（brain-computer interface · Preprints）· Montoya-Gálvez J, Ivankovic K, Nazari M, Principe A, Rocamora R.·· 2026-09-14精选AI 评分62
Montoya-Gálvez 等发布连续长期 sEEG 癫痫预测数据集与在线进化框架
Countering Neural Activity Drift: Sustained Long-term Seizure Prediction Using an Evolutionary Machine-Learning Framework on Continuous Intracranial EEG
AI 导读
Montoya-Gálvez 等团队发布首个公开的连续长期立体定向脑电图（sEEG）癫痫预测数据集，覆盖 16 名患者、664.9 小时数据和 121 次癫痫发作。
AI 要点
团队
Montoya-Gálvez J 等，末位作者 Rocamora R。
主要结果
在线评估下 75% 患者实现全部癫痫发作预测，87.5% 患者仅漏一次；AUROC 从离线 90% 降至在线 57.9%。
解决什么问题
针对离线分段测试掩盖神经活动漂移、虚高预测性能的问题，提出面向真实脑机接口验证的在线演化框架。
方法
16 名患者、664.9 小时连续立体脑电、121 次发作；单极参考、互相关连接矩阵、随机森林，每患者 1000 个候选模型在线演化。
局限
从研究设计看，1000 个候选模型为保守的概念验证搜索预算；性能下降说明离线指标不可直接外推。
AI 依据原文整理，未经人工核对。
AI 推荐理由
该研究用16名患者的连续sEEG数据对比离线与在线评估，量化了离线指标对神经漂移的掩盖程度。
来源：Europe PMC（brain-computer interface · Preprints） · doi.org