AIツール、神経学分野でてんかん検出と臨床支援に急速に普及
デラウェア大学の研究によれば、AIアルゴリズムは発作を捉えなくても、遺伝性てんかんに関連する微細な脳波異常を検出できるようになった。2026年のAAN年次総会では、臨床意思決定支援、アンビエント・スクリーニング、臨床試験のリクルートにおけるAI活用が概説され、同時に臨床医は独自の判断を維持する必要があることが強調された。
人工知能は、脳波データに隠されたてんかんの初期警告信号の検出から、アンビエント・リスニングツールや臨床意思決定支援による臨床医の負担軽減まで、神経学の実践を多角的に推進している。この進展は、最近の研究や主要な神経学会議での議論で強調された。
『Journal of Neural Engineering』に掲載された概念実証研究で、デラウェア大学の研究者らは、機械学習アルゴリズムが、可见な発作が発生していなくても、遺伝性てんかんに関連する微細な脳波（EEG）異常を特定できることを実証した。このアルゴリズムはベースラインEEG記録を未知の言語のように扱い、頻繁に繰り返される電気的パターンを識別し、文脈における構造的意味を学習することで、人間のレビュアーが見落とす異常を浮き彫りにする。研究者らは、てんかんを引き起こすTSC1遺伝子（TSC1 gene）の変異を持つ40匹以上のマウスからの多日間EEG記録を使用してシステムを検証した。機械学習アプローチは、3系統中2系統のマウスで、ベースライン脳波のみから異なる遺伝的背景を正確に区別し、TSC1突然変異の存在を高い精度で特定した。このチームは現在、デラウェア州臨床・変換研究ACCELプログラムの支援を受け、てんかん評価を受ける子供たちのより短いEEG記録を分析するために、Nemours Children's Healthでこの方法を臨床への移行させている。
2026年の米国神経学会（American Academy of Neurology）年次総会では、専門家らがAIの神経学における即座の臨床応用を概説した。これには、アンビエント・リスニングおよびスクリーニングツール、電子カルテ内でのAI強化型臨床意思決定支援、画像ソフトウェア支援、および非構造化データから対象患者を抽出できる自然言語処理駆動の臨床試験リクルートが含まれる。アンビエント・リスニング技術は、仕事後.Dictationを完了するために費やす「パジャマタイム」を含め、臨床医の負担を大幅に軽減できる。ある医療システムは、患者の過去のデータのコンテキストを利用して、臨床医が複雑な診断を推論するのを助ける新しいAIシステムへのアクセスを得たと報告した。AIはまた、神経画像分析を支援し、医学部生向け教育コンテンツの動的パーソナライゼーションを可能にしている。
専門家らは、臨床医がAIツールを使用する際には独自の判断を維持すべきだと強調した。「私が知っている皆様は、意思決定における「人在其-loop（person-in-the-loop）」または「臨床医在其-loop（clinician-in-the-loop）」アプローチを提唱しています」とある神経科医は述べた。「ゴミを入れればゴミが出る（garbage in, garbage out）」は適用される——入力データが信頼できなければ、AIは誤った答えを生む可能性があり、エキスパート臨床医は依然としてトラブルシューティングにおいて重要な役割を担う。臨床医は、彼らが下す意思決定と診断に対して責任を負い続ける。
AIが臨床試験のリクルートとエンゲージメントを支援する潜在力は、特に有望なものとして特定された。なぜなら、多くの関連患者データが未だに非構造化されたままであるからだ。自然言語処理を用いるAIは、その非構造化データを読み取り、試験適格基準を満たす可能性のある患者の現実的なリストを生成できる。医学教育において、学生はすでに困難な概念を説明させたり、異なる角度から情報を提示させたりするためにAIエージェントに直接関与している。