Prevenir una crisi d'epilèpsia uns minuts abans que passi permetria avisar el pacient o activar un dispositiu. Però els models que ho intenten sobre electroencefalogrames (EEG) solen ser grans, i això ho fa difícil de portar a un aparell que es dugui posat. Bo Yu, Xun Chen i la resta de l'equip, a la revista «Cyborg and Bionic Systems» (DOI 10.34133/cbsystems.0689, publicat el 30 de setembre), proposen una xarxa petita que ha trobat un algorisme de cerca.
El mètode es diu CMS-NAS. Una cerca evolutiva, que tria, creua i muta candidats com si fossin éssers vius, explora uns 1,74 × 10¹⁷ dissenys possibles combinant tres tipus de blocs: xarxes convolucionals, models Mamba i xarxes neuronals de pics, que imiten les descàrregues del cervell i gasten poca energia. L'EEG de diversos canals es converteix en una imatge de freqüències al llarg del temps, i la cerca, que va durar 11 hores, equilibra l'encert i la mida. El model final té 0,034 milions de paràmetres, ocupa 0,131 MB i triga 1,308 mil·lisegons a respondre.
S'ha provat amb dues bases de dades públiques (CHB-MIT i AES) i una de clínica privada. Quan el model s'ajusta a cada pacient, a CHB-MIT arriba a un AUC de 0,930, una sensibilitat del 88,5% i 0,108 falses alarmes per hora; a AES, 87,3% i 0,107; a la clínica, 84,4% i 0,138. Amb un horitzó de predicció d'un minut, 17 dels 18 pacients de CHB-MIT superen el criteri estadístic. Els autors diuen que treure qualsevol de les tres peces empitjora el resultat.
La part que fa pensar és l'altra: quan el model s'ha d'aplicar a pacients que no ha vist, la sensibilitat baixa al 60,7% a CHB-MIT, al 61,3% a AES i al 51,6% a la base clínica, amb 0,253 falses alarmes per hora. Això s'ha de tenir present abans de parlar d'aparells reals. Els autors també avisen que el sistema serveix per a una tasca fixa i només fa servir EEG, i que volen ampliar-lo a dades de més tipus. Aquest text es basa en la nota de premsa de l'editorial, no en l'article complet.