全文概要
2026 年 10 月 18 日，宾夕法尼亚大学佩雷尔曼医学院的研究团队在《自然·医学》（Nature Medicine）发表题为"Human-AI Collaboration for Co-Managing Epilepsy in Real Time"的研究，展示了一个 AI 平台，能够让患者与其医疗设备之间进行"实时对话"。研究者认为，这种双向交互将从根本上改变患者与医疗设备的关系——未来的设备不再是被动监测工具，而是能够持续整合生理信号、患者反馈与 AI 分析，提供更个性化、更具响应性的照护。该工作建立在 Brian Litt 团队长期推进的脑机接口研究之上，为癫痫的实时共管提供了新范式。

宾夕法尼亚大学佩雷尔曼医学院的研究团队在《自然·医学》（Nature Medicine）发表题为"Human-AI Collaboration for Co-Managing Epilepsy in Real Time"的研究，展示了一个 AI 平台，能够让患者与其医疗设备之间进行"实时对话"。研究者认为，这种双向交互将从根本上改变患者与医疗设备的关系——未来的设备不再是被动监测工具，而是能够持续整合生理信号、患者反馈与 AI 分析，提供更个性化、更具响应性的照护。该工作建立在 Brian Litt 团队长期推进的脑机接口研究之上，为癫痫的实时共管提供了新范式。

1. 从被动监测到双向交互：脑机接口的新范式

传统上，癫痫患者佩戴的脑电图（EEG）等设备多承担"被动记录"角色——采集信号、事后回顾，患者与设备之间缺乏实时交互。宾大团队的研究则设想了一种全新的关系：设备不仅监测，还能与患者"对话"。

该平台的核心理念是"人机协作"（Human-AI Collaboration）：AI 系统实时整合生理信号（如 EEG 波形特征），同时接收患者的自我反馈，二者结合进行动态分析，并将结果以一种患者可理解的方式"反馈"回去，指导患者即时调整行为或告知照护者。研究者认为，这种双向沟通有望将医疗设备从"记录器"升级为"共管伙伴"，实现更个性化、更具响应性的癫痫管理。

2. 平台如何实时共管癫痫发作

在具体实现上，平台将生理信号处理、患者报告与 AI 分析融为一个闭环。当设备检测到可能预示发作的信号特征时，系统可结合患者的主观感受（如先兆、情绪、注意力变化）进行交叉验证，从而更准确地判断状态；反过来，平台也可将分析结果实时传达给患者，帮助其在发作风险升高时采取预防性措施。

这一闭环的意义在于：癫痫发作的"窗口期"往往短暂且个体差异大，单纯依赖医生事后回顾难以做到精准干预。而"设备感知 + 患者反馈 + AI 决策"的实时协同，有望把干预从"事后"前移到"发作前"，从而降低发作频率与严重程度。研究团队表示，后续将评估该平台能否减少癫痫发作、改善生活质量、降低急诊就诊与医疗资源使用。

3. 从病房到居家：下一步临床验证与落地

该项工作建立在 Litt 团队长期推动的新一代脑机接口研究之上，这些接口能够感知生理信号、与患者沟通、从患者反馈中学习并实时调整治疗。研究团队计划将测试进一步扩展到门诊与居家场景，采用更新的微创 EEG 与可穿戴技术，实现日常生活中的连续监测。

对神经科与数字医疗领域而言，这项研究的意义超越了癫痫本身：它示范了"AI + 可穿戴 + 人机对话"如何重塑慢病长期管理。当医疗设备从"被动工具"转变为"能对话、会学习、可共管"的智能伙伴，癫痫乃至帕金森病、偏头痛等发作性神经系统疾病的管理模式，都将迎来新的可能。当然，从概念验证到临床落地，仍需解决数据隐私、算法可解释性、患者接受度与长期依从性等一系列现实问题。

来源：《自然·医学》（Nature Medicine）论文及 Medical Xpress 报道

解螺旋科研助手企业微信二维码，扫码添加免费领取科研资料礼包，包含AI科研提效、SCI投稿技巧、国自然基金、医学科研绘图、科研软件工具等实用资料

声明：本文资讯来源于公开报道及学术期刊，仅作行业信息传播，不构成临床用药建议。转载需注明来源。