200
评论
查看更多
密码过期或已经不安全，请修改密码
修改密码
壹生身份认证协议书
同意
拒绝
同意
拒绝
同意
不同意并跳过
作者：首都医科大学附属北京天坛医院 孙越乾 葛世豪 王群
2025年12月5—9日，2025年美国癫痫学会（AES）年会将在美国亚特兰大召开。全球癫痫及相关领域的专家学者齐聚一堂，在本次年会中就癫痫疾病的前沿进展与临床规范展开深入探讨。
为了让国内聚焦癫痫领域的医生更深入地了解本次AES年会中的中国研究、把握领域动态，《中国医学论坛报》特邀研究作者/团队进行研究分享和解读。
本期带来首都医科大学附属北京天坛医院王群教授、孙越乾博士后、葛世豪博士入选AES的壁报：大型语言模型能否辅助术前致痫区定位？一项基于多源文本分析的药物难治性癫痫研究。
对药物难治性癫痫（DRE）进行手术治疗是控制癫痫发作的最优方案，而术前精准定位致痫区（EZ）是手术成功的核心前提。DRE术前评估需整合病史、发作症状学、脑电图（EEG）、磁共振成像（MRI）以及正电子发射体层摄影（PET）等多维度信息，这是一个需要多学科协作的复杂过程；但该过程高度依赖专家经验，不仅耗时费力，还常常因检查结果不一致、MRI阴性患者无明确病灶等问题，导致无创评估难以定论，此时须借助立体定向脑电图（SEEG）等有创检查进一步定位，这显著增加了患者的风险、痛苦与经济成本，因此癫痫外科领域亟待能高效整合多源信息的EZ定位辅助方法。
针对这一临床痛点，首都医科大学附属北京天坛医院联合郑州大学第一附属医院等团队，在International Journal of Surgery发表研究论文，首次提出由大型语言模型（LLM）驱动的分析框架，系统性评估了未经专项微调的LLM，通过解析DRE患者术前多源文本报告来辅助定位EZ的可行性。
该研究回顾性纳入了两个中心、154例术后恩格尔（Engel）分级无致残性发作（Ⅰ级）的DRE患者，整理了每位患者的病史、EEG、MRI、PET 及部分脑磁图（MEG）的术前文本报告。为避免循环论证，特意选取多学科讨论前各专科医师独立出具的初步报告作为模型输入，并测试三款主流LLM完成EZ侧向性判断、脑叶水平概率定位和SEEG必要性分层评分这三项核心任务的表现。
研究结果显示，所有LLM在EZ侧向性判断上表现突出，准确率达98.3%~100%；脑叶水平概率定位中，最优LLM能以70%的中位数概率将致痫叶列入预测前列，且在MRI阴性这一高挑战患者亚组中仍能保持稳健性能，体现出整合非结构化线索的优势。
文本源消融研究证实，病史记录和MRI报告是模型定位的核心信息源，提示LLM形成了类临床思维的“信息权重”分配模式。此外，LLM能够精准识别需要SEEG探查的高复杂性病例，对此类患者的SEEG必要性评分显著更高。
该研究首次证实，未经特殊训练的LLM可通过分析DRE患者术前多源非结构化文本，精准推断经手术验证的EZ位置。这一研究并非要替代临床专家，而是证实了LLM作为数据整合与假设生成工具的潜力，有望成为临床医生的高效辅助手段，从而优化术前评估流程、提升决策效率。未来可进一步探索整合原始医疗数据的多模态LLM，实现更精准的EZ自动化定位。
孙越乾
首都医科大学附属北京天坛医院
神经病学中心癫痫科在站博士后，主持国家自然科学基金青年项目、中国博士后科学基金第76批面上资助、北京市博士后科研经费资助等项目，参与国家十四五重点研发计划、首都卫生发展科研专项等项目，现公开发表SCI文章11篇。
查看更多
中国医学论坛报
壹生
今日肿瘤
今日循环
今日糖尿病
今日口腔
全科周刊
脱贫地区农副产品网络销售平台
京公网安备 11010202008182号
| 互联网新闻信息服务许可证编号：10120190017