What is the clinical evidence from this study?

Study design: 리뷰. Population: 간질 (n=23). Intervention: 웨어러블 발작 감지 장치 vs. 웨어러블 장치 사용하지 않음. Primary outcome: 발작 감지 민감도.

What does this research mean for the field?

Wearable seizure detection devices utilizing artificial intelligence can anticipate seizures before they occur, improving safety for people with epilepsy. Novelty: ClaimNovelty.SYNTHESIS. Consensus alignment: ConsensusAlignment.NEUTRAL.

What question did this study set out to answer?

간질 모니터링 향상을 위해 현재 웨어러블 발작 감지 기술과 AI 알고리즘을 평가한다.

March 13, 2026Open Access

웨어러블 발작 감지 장치의 인공지능: 현재 기술과 미래 방향

Key Result

웨어러블 발작 감지 장치는 일부가 100%에 이르는 높은 민감도와 크게 감소된 오경보율을 보여간질 관리의 실제 적용 가능성을 강조한다.

Key Points

간질 모니터링 향상을 위해 현재 웨어러블 발작 감지 기술과 AI 알고리즘을 평가한다.
웨어러블 발작 감지 장치와 AI 알고리즘을 다룬 23개 연구를 리뷰하였다.
자동 발작 감지를 위한 손목 및 귀 기반 시스템을 평가하였다.
장치 설계, 신호 신뢰성 및 분석 방법을 평가하였다.
손목 및 귀 기반 시스템 모두 발작 감지에 높은 민감도를 보였다.
도전 과제로는 오경보 감소와 일상 사용 중 데이터 무결성 확보가 포함된다.
최근 진보는 발작 발생 이전 예측 가능성을 시사한다.

Study Design

Type

리뷰

Multicenter

Yes

Structured PICO

간질 환자에서 웨어러블 장치 및 관련 AI 알고리즘이 표준 EEG에 비해 정확하게 발작을 감지하는가?

Population

간질 환자를 평가한 23개 연구

Intervention

머신러닝, 신경망, 서포트 벡터 머신 등의 인공지능 알고리즘을 사용하는 손목 및 귀 기반 웨어러블 발작 감지 장치

Comparator

인간 전문가 평가를 받은 표준 EEG 방법(비디오 EEG, 두피 EEG, 뇌내 EEG 등)

Outcome

발작 탐지 성능 (감도 및 24시간당 오경보율/거짓양성 비율)

AI 알고리즘과 결합한 웨어러블 장치는 자동 발작 감지에서 높은 민감도를 가지나, 일상 임상 적용을 위해서는 오경보율 감소가 핵심 과제로 남아 있다.

Limitations

Reliability and practicality of device signal quality under real-world conditions are significant challenges.

Abstract

간질은 전세계 수백만 명의 사람들에게 영향을 미치며, 환자의 건강과 발작 활동을 모니터링하기 위한 진보된 방법의 필요성을 촉진합니다. 최근 웨어러블 기술의 발전으로 생리학적 데이터를 연속적으로 수집하여 실제 환경에서 실시간 발작 감지를 지원할 수 있게 되었습니다. 본 리뷰는 자동 발작 감지를 위한 웨어러블 장치와 관련 인공지능(AI) 알고리즘을 평가한 23개 연구를 대상으로 한 목표지향적 종합입니다. 손목 및 귀 기반 시스템 모두 높은 민감도를 보였으며, 성능은 장치 설계, 신호 신뢰성 및 분석 방법에 의해 영향을 받았습니다. 주요 과제는 오경보를 줄이고 일상 사용 중 데이터 무결성을 유지하는 것입니다. 최신 연구들은 발작 발생 전 예측 가능성을 강조하며, 간질 환자의 안전과 삶의 질 향상을 위한 유망한 단계임을 시사합니다. 신뢰할 수 있는 생리학적 지표를 찾고 다양한 인구 집단에서 장치 성능을 평가하려는 지속적인 노력이 웨어러블 기술의 일상 의료 통합에 핵심적입니다.

Connected Papers

Building similarity graph...

Analyzing shared references across papers

Discussion

Authors

T. L. Ho

Bridget E.L. Ostrem

James Hillis

Journals

SHILAP Revista de lepidopterología

Frontiers in Neurology

Actions

Institutions

Harvard University

University of California, Berkeley

University of California, San Francisco

References and Citations

Connected Papers

Building similarity graph...

Analyzing shared references across papers

Discussion

Cite this study

Ho 등은 Epilepsy에서 리뷰를 수행하였습니다 (n=23). 착용형 발작 탐지 장치와 무착용 장치를 감도 측면에서 비교 평가하였습니다. 착용형 장치는 최대 100% 감도를 달성한 경우도 있고, 오경보율을 크게 낮춰 간질 관리의 실제 적용 가능성을 부각시켰습니다.

www.synapsesocial.com/papers/69b3aaa802a1e69014ccb656 — DOI: https://doi.org/10.3389/fneur.2026.1756895

Also consider

Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context:

Automated detection of tonic seizures using wearable movement sensor and artificial neural network· 2024 · 12 citations
Detection of focal to bilateral tonic–clonic seizures using a connected shirt· 2024 · 5 citations
Ceribell EEG shortens seizure diagnosis and workforce time and is useful for COVID isolation· 2021 · 22 citations
Prediction of seizure likelihood with a long-term, implanted seizure advisory system in patients with drug-resistant epilepsy: a first-in-man study· 2013 · 885 citations
Promises and limitations of human intracranial electroencephalography· 2018 · 657 citations

웨어러블 발작 감지 장치의 인공지능: 현재 기술과 미래 방향

Key Result

Key Points

Study Design

Structured PICO

Limitations

Abstract

Citation Network

Connected Papers

Discussion

Authors

Journals

Actions

Institutions

References and Citations

Citation Network

Connected Papers

Discussion

Cite this study

Also consider