摘要：CHATGPT反应匹配或胜过癫痫学家的反应与癫痫发作区通常位于的区域有关。然而，癫痫学家为很少受影响的地区提供了更准确的反应。...

癫痫是以复发性癫痫发作为特征的最常见的神经系统疾病之一，在全球范围内影响超过7000万人。在美国，约有340万人生活在这种挑战性的状态。大约三分之一的癫痫病例不能由药物控制。对于那些患者，癫痫发射区（EZ）的手术切除（EZ）的去除区域可能导致癫痫发作自由 - 癫痫患者无癫痫发作的人可能是减少或消除癫痫发作的有效选择。

然而，当前的改良手术成功率（外科医生去除癫痫发作的一些脑组织）约为50％至60％。原因之一是未准确识别EZ。为了识别EZ，患者接受了一系列测试，包括MRI，脑电图或脑电图和颅内脑电图。癫痫学家使用这些数据和图像来描述所谓的癫痫发作符号学 - 癫痫发作期间的症状和行为。此信息用于预测EZS的位置。

但是，癫痫学家用来描述癫痫发作学的语言学家可能会因一个癫痫中心与另一个癫痫中心不同。史蒂文斯技术学院的Schaefer工程与科学学院系统和企业系助理教授Feng Liu说：“不同的癫痫中心可能会使用不同的术语来描述相同的癫痫发作符号。”他共享一个例子，“例如，术语'不对称姿势''和'非对称滋补活动'可以用来描述同一件事。 “有很多术语可以指代同一件事，但是不同的中心可能会使用不同的术语来描述它。”

这造成了一定的不一致，对外科医生提出了挑战。由于癫痫符号学的描述性质，在大量的公共记录上接受了培训的大型语言模型或LLM，例如Chatgpt，可能是帮助识别EZS的宝贵工具。

Liu和他的合作者团队评估了使用Chatgpt解释癫痫发作符号学以预测EZ位置的临床价值。刘说：“大型语言模型（例如chatgpt）可能是分析复杂的文本信息，有助于解释癫痫发作学描述并协助准确定位癫痫发作区域的宝贵工具。”

在这项研究中，该团队对五位经过董事会认证的癫痫学家进行了调查，他们完成了一项在线调查，其中包括100个有关癫痫发作归因学的局部化的问题。然后，团队使用Chatgpt执行相同的任务，并将Chatgpt的表现与癫痫学家的表现进行了比较。

事实证明，与癫痫区相关的癫痫病学家的反应与癫痫发射区通常位于的区域有关，例如大脑的额叶和颞叶。然而，癫痫学家在EZ很少位置的区域中提供了更准确的响应，例如岛和扣带皮层。这些发现发表在医学互联网研究杂志5月12日。

为了进一步提高LLM的性能，该团队构建了第一个LLM，专门用于解释癫痫发作符号学，称为Epismollm，该LLM托管在Stevens GPU服务器上。该平台可以是在神经外科医生和癫痫学家的术前检查阶段的决策中有用的助手。

刘说：“我们的结果表明，LLM和微调的LLM可能是协助癫痫手术术前评估的有价值工具。” “最好的结果是人类和人工智能一起工作。”