Predizione delle crisi epilettiche con EEG a canale singolo usando deep learning

Perché prevedere le crisi è importante

Per molte persone con epilessia le crisi arrivano senza preavviso, interrompendo lavoro, scuola e la vita di tutti i giorni. Un sistema in grado di avvisare in modo affidabile dell'imminente insorgenza di una crisi, anche solo pochi minuti prima, darebbe al paziente il tempo di sedersi o sdraiarsi in sicurezza, chiamare aiuto o interrompere un'attività rischiosa come guidare o cucinare. Questo studio esplora se tali avvisi possano essere generati da un singolo piccolo sensore per le onde cerebrali, invece che da un casco completo di elettrodi, usando una forma compatta di intelligenza artificiale che potrebbe in futuro funzionare in un dispositivo indossabile.

Un modo più semplice per monitorare l'attività cerebrale

La maggior parte delle ricerche sulla predizione delle crisi si è basata su registrazioni complesse con molti elettrodi distribuiti sul cuoio capelluto. Questi sistemi possono funzionare bene in laboratorio ma sono ingombranti, consumano molta energia e sono difficili da indossare tutto il giorno. I ricercatori si sono invece concentrati sulle registrazioni “a singolo canale”, che catturano l'attività cerebrale da un'unica posizione alla volta. Hanno scelto sei posizioni di elettrodo sulla fronte, sulle tempie e nella parte posteriore della testa che sarebbero pratiche per una fascia leggera o un cerotto. La domanda chiave era se un singolo sensore ben posizionato potesse ancora rilevare i sottili cambiamenti nell'attività cerebrale che spesso si sviluppano prima di una crisi.

Allenare un piccolo lettore di onde cerebrali

Per trasformare le onde cerebrali grezze in dati su cui un computer possa apprendere, il team ha suddiviso i segnali in segmenti di 10 secondi e ha convertito ogni segmento in una sorta di immagine che mostra come la potenza del segnale cambia attraverso diverse frequenze nel tempo. Queste immagini sono state poi fornite a un modello di deep learning snello ispirato a MobileNet, una famiglia di reti neurali progettate per funzionare su telefoni e altri dispositivi a basso consumo. Riducendo con cura strati e connessioni, gli autori hanno portato il modello a poco meno di 38.000 parametri regolabili, una frazione minima rispetto a molti moderni sistemi di riconoscimento delle immagini, permettendogli comunque di apprendere pattern utili legati alle crisi.

Definire un tempo di avviso utile

Dal punto di vista del paziente non tutte le rilevazioni corrette sono ugualmente utili. Un avviso arrivato troppo tardi offre poca protezione, mentre uno arrivato troppo presto può causare allarme ingiustificato. Lo studio ha quindi adottato regole temporali chiare che riflettono i bisogni del mondo reale. Per ogni crisi i ricercatori hanno definito una zona di “nessun avviso” che copre i 2 minuti immediatamente precedenti l'insorgenza, quando sarebbe già difficile reagire. I 30 minuti precedenti a quella finestra sono stati considerati la vera finestra di previsione, dove un avviso è ritenuto efficace se la crisi avviene entro tale intervallo. Sono stati usati per l'addestramento e i test solo i dati provenienti da questa finestra e da periodi chiaramente normali lontani da qualsiasi crisi.

Come si è comportato il sistema

Il modello è stato testato su due gruppi di pazienti: adulti con epilessia focale resistente ai farmaci trattati presso il Seoul National University Hospital, e bambini e giovani adulti di un dataset pubblico ampiamente usato. Per ciascuna persona il sistema è stato addestrato e valutato solo sui dati individuali, rispecchiando come un futuro dispositivo potrebbe adattarsi al suo utilizzatore. Tra i pazienti, il modello ha classificato correttamente circa l'86-91% dei segmenti da 10 secondi, con tassi relativamente bassi di falsi allarmi. Valutato a livello di crisi complete e usando le regole temporali rigorose, ha previsto con successo circa il 95% delle crisi nel gruppo ospedaliero e il 98% nel dataset pubblico. Interessante notare che gli elettrodi sulla fronte tendevano a funzionare meglio e che la vicinanza alla zona di insorgenza identificata clinicamente non migliorava necessariamente la precisione.

Cosa potrebbe significare per la vita quotidiana

Questi risultati suggeriscono che un singolo piccolo sensore per le onde cerebrali, abbinato a un algoritmo di apprendimento altamente efficiente, può fornire avvisi precoci affidabili per molte crisi entro una finestra pratica di 30 minuti. Pur richiedendo ulteriori studi su gruppi di pazienti più numerosi e variegati e un affinamento della scelta dei canali per ogni individuo, lo studio indica la strada verso sistemi di predizione delle crisi che potrebbero essere indossati comodamente per lunghi periodi e funzionare con batterie di capacità limitata. Tali strumenti non prevenirebbero le crisi, ma potrebbero offrire alle persone con epilessia maggiore controllo e sicurezza nella pianificazione delle attività quotidiane.

Citazione: Jang, D., Jung, KY., Jeon, YG. et al. Single-channel EEG-based seizure prediction using deep learning. Sci Rep 16, 15888 (2026). https://doi.org/10.1038/s41598-026-44670-7

Parole chiave: epilessia, predizione delle crisi, EEG, dispositivi indossabili, deep learning