研究员在本-古里安大学 内盖夫(BGU)的开发Epiness ™，一个新的，首先它基于专有的机器上检测和预测癫痫发作类型的设备学习算法。可穿戴设备可以生成有关即将发作的高级警告，该警告将在发病前一个小时发送到智能手机。该系统已向NeuroHelp(一家由BGN Technologies，BGU的技术转让公司和Oren Shriki博士最近成立的初创公司)进行了进一步开发和商业化的使用许可。 ，BGU认知与脑科学系和NeuroHelp的科学创始人。

癫痫病非常普遍，有时使神经疾病变得虚弱。多达30%的患者对抗癫痫药没有足够的反应，并且生活在不断担心即将发作的恐惧中。对于这类患者，可行的癫痫发作预测设备可以大大改善生活质量，从而避免与癫痫发作有关的伤害。当前的癫痫发作警报设备可以实时检测到癫痫发作，但是无法提供即将发作的高级警告。

Epiness是一种癫痫发作预测和检测设备，该设备基于基于脑电图的脑活动监测与专有机器学习算法的全新突破性组合。该设备将可穿戴式EEG设备与最新软件结合在一起，可最大程度地减少必需的EEG电极的数量并优化电极在头皮上的放置。复杂的机器学习算法旨在过滤与大脑活动无关的噪声，提取潜在的大脑动态的信息量度，并区分预期的癫痫发作之前的大脑活动和预期的癫痫发作时的大脑活动。

“癫痫发作暴露癫痫病人各种预防危险，包括跌落，烧伤和其他伤害，”医生说奥伦Shriki。“不幸的是，目前没有可以预测患者的癫痫发作预测设备，使他们能够为即将发作的癫痫发作做好准备。因此，令我们感到非常兴奋的是，我们开发的机器学习算法可以准确预测即将到来的癫痫发作，直到发生前一小时由于我们还证明了我们的算法可以显着减少必需的EEG电极的数量，因此我们开发的设备既准确又用户友好，我们目前正在开发一个原型，并将在随后的临床试验中进行评估年。”

“癫痫未充分地药物控制是普遍的，达到的癫痫病例的30%，因此，一个准确的，易于使用发作预测装置是十分必要的未满足的医疗需求，”陈述的博士哈达尔罗恩，主席NeuroHelp。“当前的癫痫发作警报设备可以在发生癫痫发作时对其进行检测，并且大多数情况取决于运动的变化，例如肌肉痉挛或跌倒。Epiness的独特之处在于它可以预测即将发作的癫痫发作，并允许患者及其护理者采取预防措施和预防伤害。它也是唯一基于大脑活动而不是肌肉运动或心律的设备。我们坚信Epiness将成为治疗耐药性癫痫的宝贵工具。”

BGU的技术转让公司BGN Technologies的首席执行官Josh Peleg补充说：“作为BGU Oazis加速器的一部分，BGU的Yazamut360 创业中心最近成立了BGN Technologies的分公司NeuroHelp，以进一步发展本月初，NeuroHelp在SiliconNegev初创企业竞赛中获得一等奖，这是对该技术的巨大潜力的重要认可，该技术基于对大脑的研究和研究的独特结合。 Shriki博士的实验室开发了人工智能技术。”

新的算法是使用来自大量癫痫患者数据集的EEG数据开发和测试的，这些数据在手术前进行了几天的监控。将患者数据分为发作前(发作前)或发作间的短段。在预分配的训练数据(包含初始EEG数据的80%)上训练了几种复杂程度不同的机器学习算法，并在其余20%的数据上评估了它们的预测性能以及与电极有关的性能。具有最佳预测性能的算法达到了97%的准确度，即使只有很少的电极，也保持了接近最佳性能(95%)。