ЖурналыПодпискаАрхивКнигиПроектыО насРекламаДоставка/ОплатаКонтакты
+7 (495) 428-43-29
  • Главная
  • / Журналы
  • / Вернуться в журнал
  • / Содержание номера
  • / Статья
Предиктивная эпилептология: формирование новой парадигмы управления эпилептическими приступами

Предиктивная эпилептология: формирование новой парадигмы управления эпилептическими приступами

Авторы:
Фуркат Абдулахатович Юсупов,
Мухаммадюсуф Шкуратович Абдыкадыров

Журнал: Журнал неврологии и психиатрии им. С.С. Корсакова. 2026;126(5):14-20.

DOI: 10.17116/jnevro202612605114

Прочитано: 495 раз

Резюме

ЦЕЛЬ ИССЛЕДОВАНИЯ

Оценить текущее состояние и потенциал носимых устройств с искусственным интеллектом (ИИ) для прогнозирования эпилептических приступов.

МАТЕРИАЛ И МЕТОДЫ

Для подготовки настоящего обзора были использованы научные публикации, преимущественно датированные последними 5 годами, за исключением фундаментальных источников. Отбор литературы осуществлялся из баз данных Scopus, PubMed, Google Scholar и eLibrary.

РЕЗУЛЬТАТЫ

Исследование подтверждает, что прогнозирование эпилептических приступов с помощью носимых устройств с ИИ является технологически осуществимым. Современные алгоритмы, особенно персонализированные модели глубокого обучения, способны предсказывать приступы с точностью, значительно превышающей случайное угадывание, анализируя данные с мультимодальных сенсоров. Однако существует значительный разрыв между почти идеальной точностью, достигаемой в лабораторных условиях, и более скромными, хотя и клинически значимыми, результатами в повседневной жизни. Для пациентов эти технологии несут огромный потенциал: снижение хронической тревоги, повышение безопасности и восстановление чувства контроля над своей жизнью. Основными препятствиями на пути к широкому внедрению остаются высокая частота ложных тревог, сложность в прогнозировании немоторных приступов, а также серьезные регуляторные, этические и экономические барьеры.

ЗАКЛЮЧЕНИЕ

Носимые ИИ-устройства знаменуют собой фундаментальный сдвиг в управлении эпилепсией, переходя от реактивного реагирования к проактивному управлению рисками. Несмотря на то что технология доказала свой огромный потенциал, она еще не готова к массовому клиническому внедрению из-за существующих технических и нетехнических барьеров. Будущее этой области лежит в создании интегрированных «замкнутых» систем, где точный прогноз будет автоматически запускать терапевтическое вмешательство. В конечном счете эти инновации представляют собой не просто технологическое новшество, а мощный инструмент, способный улучшить качество жизни миллионов людей.

Ключевые слова

  • эпилепсия
  • прогнозирование приступов
  • носимые устройства
  • искусственный интеллект
  • глубокое обучение
  • биосенсоры
  • электроэнцефалография
  • автономия пациента
  • качество жизни
  • персонализированная медицина

Дата поступления: 20.10.2025

Дата принятия в печать: 17.01.2026

Дата публикации: 05.06.2026

Литература / References
  1. Журавлев Д.В., Марченко А.А., Лебедева М.А. и др. Нарушения вегетативной регуляции сердечно-сосудистой системы у пациентов с эпилептическими и психогенными неэпилептическими приступами: пилотное исследование. Журнал неврологии и психиатрии им. С.С. Корсакова. 2025;125(2):13-20. https://doi.org/10.17116/jnevro202512502113
  2. Saadoon YA, Khalil M, Battikh D. Machine and Deep Learning-Based Seizure Prediction: A Scoping Review on the Use of Temporal and Spectral Features. Applied Sciences. 2025;15(11):6279. https://doi.org/10.3390/app15116279
  3. Фирсов К.В., Котов А.С. Наблюдательное исследование информативности рутинной ЭЭГ и ночного ЭЭГ-видеомониторинга у взрослых пациентов с эпилепсией в условиях реальной клинической практики. Эпилепсия и пароксизмальные состояния. 2019;11(2):153-163. https://doi.org/10.17749/2077-8333.2019.11.2.153-163
  4. Brinkmann BH, Karoly PJ, Nurse ES, et al. Seizure Diaries and Forecasting With Wearables: Epilepsy Monitoring Outside the Clinic. Front Neurol. 2021;12:690404. https://doi.org/10.3389/fneur.2021.690404
  5. Naganur V, Sivathamboo S, Chen Z, et al. Automated seizure detection with noninvasive wearable devices: A systematic review and meta-analysis. Epilepsia. 2022;63(8):1930-1941. https://doi.org/10.1111/epi.17297
  6. Baumgartner C, Baumgartner J, Lang C, et al. Seizure Detection Devices. Journal of Clinical Medicine. 2025;14(3):863. https://doi.org/10.3390/jcm14030863
  7. Brinkmann BH, Karoly PJ, Nurse ES, et al. Seizure Diaries and Forecasting With Wearables: Epilepsy Monitoring Outside the Clinic. Front Neurol. 2021;12(4):34-39. https://doi.org/10.3389/fneur.2021.690404
  8. Stirling RE, Grayden DB, D’Souza W, et al. Forecasting Seizure Likelihood With Wearable Technology. Frontiers in Neurology. 2021;12. https://doi.org/10.3389/fneur.2021.704060
  9. Zhong R, Chen Q, Zhang X, et al. Depressive and Anxiety Symptoms Are Predictors of Seizure Recurrence in Adults With Newly Diagnosed Epilepsy. Frontiers in Psychiatry. 2021;12. https://doi.org/10.3389/fpsyt.2021.784737
  10. Loring D, Burns T. Psychological and Social Impact of Epilepsy: Pediatric and Adolescent Review. Journal of Pediatric Epilepsy. 2015;04(03):123-129. https://doi.org/10.1055/s-0035-1556736
  11. Yamakawa T, Miyajima M, Fujiwara K, et al. Wearable Epileptic Seizure Prediction System with Machine-Learning-Based Anomaly Detection of Heart Rate Variability. Sensors. 2020;20(14):3987. https://doi.org/10.3390/s20143987
  12. Ahuja A, Agrawal S, Acharya S, et al. Advancements in Wearable Digital Health Technology: A Review of Epilepsy Management. Cureus. 2024;16(3):e57037. https://doi.org/10.7759/cureus.57037
  13. Zambrana-Vinaroz D, Vicente-Samper JM, Manrique-Cordoba J, et al. Wearable Epileptic Seizure Prediction System Based on Machine Learning Techniques Using ECG, PPG and EEG Signals. Sensors. 2022;22(23):9372. https://doi.org/10.3390/s22239372
  14. Чижикова А.А., Гимбелевская А.П., Бакоев С.Ю. и др. Исследование связи индивидуальных характеристик биоэлектрической активности головного мозга с уровнями стресса, нервно-психического напряжения, агрессии, тревожности и депрессии. Журнал неврологии и психиатрии им. С.С. Корсакова. 2025;125(5):108-117. https://doi.org/10.17116/jnevro2025125051108
  15. Ong JS, Wong SN, Arulsamy A, et al. Medical Technology: A Systematic Review on Medical Devices Utilized for Epilepsy Prediction and Management. Curr Neuropharmacol. 2022;20(5):950-964. https://doi.org/10.2174/1570159X19666211108153001
  16. Japaridze G, Loeckx D, Buckinx T, et al. Automated detection of absence seizures using a wearable electroencephalographic device: a phase 3 validation study and feasibility of automated behavioral testing. Epilepsia. 2022;64(S4). https://doi.org/10.1111/epi.17200
  17. Zibrandtsen IC, Kidmose P, Kjaer TW. Detection of generalized tonic-clonic seizures from ear-EEG based on EMG analysis. Seizure. 2018;59:54-59. https://doi.org/10.1016/j.seizure.2018.05.001
  18. Rubboli G, Bø MH, Alfstad K, et al. Clinical utility of ultra long-term subcutaneous electroencephalographic monitoring in drug-resistant epilepsies: a «real world» pilot study. Epilepsia. 2024;65(11):3265-3278. https://doi.org/10.1111/epi.18121
  19. Leal A, Pinto MF, Lopes F, et al. Heart rate variability analysis for the identification of the preictal interval in patients with drug-resistant epilepsy. Sci Rep. 2021;11(1):5987. https://doi.org/10.1038/s41598-021-85350-y
  20. Kołodziej M, Majkowski A, Rak RJ, et al. System for automatic heart rate calculation in epileptic seizures. Australasian Physical & Engineering Sciences in Medicine. 2017;40(3):555-564. https://doi.org/10.1007/s13246-017-0557-z
  21. Cousyn L, Dono F, Navarro V, et al. Can heart rate variability identify a high-risk state of upcoming seizure? Epilepsy Res. 2023;197:107232. https://doi.org/10.1016/j.eplepsyres.2023.107232
  22. Chiang S, Rao V, Worrell G, et al. Seizure Forecasting and Detection: Computational Models, Machine Learning, and Translation into Devices. Frontiers Research Topics. Frontiers Media SA. 2022;13:874070. https://doi.org/10.3389/978-2-88974-872-3
  23. Pollandt S, Bleck TP. Thermoregulation in epilepsy. Handb Clin Neurol. 2018;157:737-747. https://doi.org/10.1016/B978-0-444-64074-1.00045-8
  24. Lockman J, Fisher RS, Olson DM. Detection of seizure-like movements using a wrist accelerometer. Epilepsy amp; Behavior. 2011;20(4):638-641. https://doi.org/10.1016/j.yebeh.2011.01.019
  25. Rukasha T, I Woolley S, Kyriacou T, et al. Evaluation of Wearable Electronics for Epilepsy: A Systematic Review. Electronics. 2020;9(6):968. https://doi.org/10.3390/electronics9060968
  26. Carmo AS, Abreu M, Baptista MF, et al. Automated algorithms for seizure forecast: a systematic review and meta-analysis. J Neurol. 2024;271(10):6573-6587. https://doi.org/10.1007/s00415-024-12655-z
  27. Kerr WT, McFarlane KN, Figueiredo Pucci G. The present and future of seizure detection, prediction, and forecasting with machine learning, including the future impact on clinical trials. Frontiers in Neurology. 2024;15:1425490. https://doi.org/10.3389/fneur.2024.1425490
  28. Baud MO, Proix T, Gregg NM, et al. Seizure forecasting: Bifurcations in the long and winding road. Epilepsia. 2023;64(Suppl 4):S78-S98. https://doi.org/10.1111/epi.17311
  29. Shiao HT, Cherkassky V, Lee J, et al. SVM-Based System for Prediction of Epileptic Seizures From iEEG Signal. IEEE Trans Biomed Eng. 2017;64(5):1011-1022. https://doi.org/10.1109/TBME.2016.2586475
  30. Direito B, Teixeira CA, Sales F, et al. A Realistic Seizure Prediction Study Based on Multiclass SVM. International Journal of Neural Systems. 2017;27(03):1750006. https://doi.org/10.1142/s012906571750006x
  31. Bai L, Litscher G, Li X. Epileptic Seizure Detection Using Machine Learning: A Systematic Review and Meta-Analysis. Brain Sci. 2025;15(6):634. https://doi.org/10.3390/brainsci15060634
  32. Alarfaj M, Al-Adhaileh MH, Uddin MI, et al. Enhancing Seizure Detection Accuracy in Wearable EEG Devices Using Deep Learning Algorithms. Journal of Disability Research. 2025;4(4):590-595. https://doi.org/10.57197/jdr-2025-0590
  33. Mallick S, Baths V. Novel deep learning framework for detection of epileptic seizures using EEG signals. Frontiers in Computational Neuroscience. 2024;18:1340251. https://doi.org/10.3389/fncom.2024.1340251
  34. Rajivkannan R, Sharmila V, Venkatesan M, et al. Deep Temporal Seizure Prediction A CNN-LSTM Hybrid for Enhanced EEG Signal Analysis. Proceedings of the International Conference on Sustainability Innovation in Computing and Engineering (ICSICE 24). 2025;424-437. https://doi.org/10.2991/978-94-6463-718-2_37
  35. Torkey H, Hashish S, Souissi S, et al. Seizure Detection in Medical IoT: Hybrid CNN-LSTM-GRU Model with Data Balancing and XAI Integration. Algorithms. 2025;18(2):77. https://doi.org/10.3390/a18020077
  36. Hadady L, Robinson T, Bruno E, et al. Users´ perspectives and preferences on using wearables in epilepsy: A critical review. Epilepsia. 2025;66 Suppl 3(Suppl 3):4-13. https://doi.org/10.1111/epi.18280
slide-cover

Рекомендуем статьи по данной теме:

Влияние назосептального лоскута на качество жизни после трансназальных вмешательств.Вестник оториноларингологии. 2026;91(3):92-99

Оценка уровня боли и качества жизни у детей после отохирургических вмешательств.Вестник оториноларингологии. 2026;91(3):29-33

Сравнительное проспективное исследование диагностического индекса акне и психоэмоционального статуса у пациентов со среднетяжелыми и тяжелыми формами акне на фоне топической и системной терапии изотретиноином.Клиническая дерматология и венерология. 2026;25(3):427-435

Электронная аускультация легких в пульмонологии: от клинического навыка к цифровой диагностике.Респираторная медицина. 2026;2(2):47-55

Цифровые технологии в диагностике и лечении нарушений сна при посттравматическом стрессовом расстройстве.Журнал неврологии и психиатрии им. С.С. Корсакова. Спецвыпуски. 2026;126(5-2):87-94

Применение искусственного интеллекта в профилактике хронических неинфекционных заболеваний: систематический обзор публикаций 2022—2025 гг.Профилактическая медицина. 2025;28(12):21-30

Интервенционная кардиология в эпоху искусственного интеллекта: технологии, инновации и сложности.Медицинские технологии. Оценка и выбор. 2025;47(4):20-27

Моделирование и прогнозирование хронических неинфекционных заболеваний у лиц старше трудоспособного возраста с применением искусственного интеллекта.Медицинские технологии. Оценка и выбор. 2025;47(4):10-19

Сравнительный анализ эффективности амбулаторных алгоритмов реабилитации пациентов с болями в спине.Вопросы курортологии, физиотерапии и лечебной физической культуры. 2025;102(5-2):72-80

Височные приступы иммунной и структурной этиологии.Журнал неврологии и психиатрии им. С.С. Корсакова. 2025;125(11):117-122

Издательство «Медиа Сфера»
РекламаДоставка/ОплатаО насКонтактыОбучение для редакцийПолитика конфиденциальностиПолитика обработки персональных данныхПубличная оферта на реализацию издательской продукции
ЖурналыПодпискаАрхивКнигиПроекты
  • RuStore

© 1998-2026

  • Телефоны издательства:

  • +7 (495) 482-41-18
  • +7 (495) 482-43-29

  • Прямой телефон отдела подписки
    (только по вопросам заказов и доставки журналов)

  • +7 (800) 250-18-12

  • пн-пт с 10:00 до 18:00

  • Telegram
  • VK
info@mediasphera.ru

  • Почтовый адрес:

  • Издательство «Медиа Сфера»,
    а/я 54, Москва, Россия, 127238

  • RuStore

© 1998-2026