OBJECTIVE To validate an artificial intelligence-based computer algorithm for detection of epileptiform EEG discharges (EDs) and subsequent identification of patients with epilepsy. METHODS We developed an algorithm for automatic detection of EDs, based on a novel deep learning method that requires a low amount of labeled EEG data for training. Detected EDs are automatically grouped into clusters, consisting of the same type of EDs, for rapid visual inspection. We validated the algorithm on an independent dataset of 100 patients with sharp transients in their EEG recordings (54 with epilepsy and 46 with non-epileptic paroxysmal events). The diagnostic gold standard was derived from the video-EEG recordings of the patients' habitual events. RESULTS The algorithm had a sensitivity of 89% for identifying EEGs with EDs recorded from patients with epilepsy, a specificity of 70%, and an overall accuracy of 80%. CONCLUSIONS Automated detection of EDs using an artificial intelligence-based computer algorithm had a high sensitivity. Human (expert) supervision is still necessary for confirming the clusters of detected EDs and for describing clinical correlations. Further studies on different patient populations will be needed to confirm our results. SIGNIFICANCE The automated algorithm we describe here is a useful tool, assisting neurophysiologist in rapid assessment of EEG recordings.

中文翻译：

---

一种基于人工智能的 EEG 算法，用于检测癫痫样脑电图放电：针对诊断金标准的验证

目的 验证基于人工智能的计算机算法，用于检测癫痫样脑电图放电 (ED) 并随后识别癫痫患者。方法 我们开发了一种自动检测 ED 的算法，该算法基于一种新的深度学习方法，该方法需要少量标记的 EEG 数据进行训练。检测到的 ED 会自动分组到由相同类型的 ED 组成的集群中，以进行快速目视检查。我们在一个独立的数据集上验证了该算法，该数据集包含 100 名脑电图记录中出现急剧瞬变的患者（54 名患有癫痫，46 名患有非癫痫发作性事件）。诊断金标准来自患者习惯性事件的视频脑电图记录。结果 该算法识别癫痫患者记录的 EEG 的敏感性为 89%，特异性为 70%，总体准确度为 80%。结论 使用基于人工智能的计算机算法自动检测 ED 具有高灵敏度。人类（专家）监督对于确认检测到的 ED 集群和描述临床相关性仍然是必要的。需要对不同患者群体进行进一步研究以确认我们的结果。意义 我们在此描述的自动化算法是一个有用的工具，可帮助神经生理学家快速评估 EEG 记录。人类（专家）监督对于确认检测到的 ED 集群和描述临床相关性仍然是必要的。需要对不同患者群体进行进一步研究以确认我们的结果。意义 我们在此描述的自动化算法是一个有用的工具，可帮助神经生理学家快速评估 EEG 记录。人类（专家）监督对于确认检测到的 ED 集群和描述临床相关性仍然是必要的。需要对不同患者群体进行进一步研究以确认我们的结果。意义 我们在此描述的自动化算法是一个有用的工具，可帮助神经生理学家快速评估 EEG 记录。