美国有超过 340 万人患有癫痫，全球有 6500 万人患有癫痫，这是一种影响神经系统并导致癫痫发作的神经系统疾病。每 26 人中就有 1 人在一生中的某个阶段会患上癫痫，每年每 1,000 名癫痫患者中就有 1 人因意外亡。

与许多疾病一样，癫痫的治疗始于早期发现。世界卫生组织估计，如果得到充分诊断和治疗，70% 的癫痫患者可以摆脱癫痫发作。

多年来，机器学习技术已经发展到可以通过大脑电极捕获的脑电图 (EEG) 信号来检测和分类癫痫发作，寻找人类无法独自解决的复杂关联。

然而，这些系统在检测罕见的癫痫发作方面一直举步维艰。这是因为人工智能依靠数据来学习模式并做出预测——这些罕见癫痫发作的样本不足限制了它在较不常见病例中表现良好的能力。

现在，南加州大学的研究人员开发了一种人工智能系统，通过分析大脑相互作用来识别癫痫，从而改善罕见和复杂病例的诊断。该系统于 2024 年 5 月在知识发现和数据挖掘进展 (PDD)会议上展示，并在预印本服务器arXiv上发表，展示了比最先进模型高出 12% 的改进。

通过整合人工智能系统在癫痫检测中通常忽视的多种信息源，包括脑电图电极的位置和它们监测的大脑区域，人工智能可以识别出指示何时可能发生癫痫发作的模式或特征。