以GNN模型預測中風嚴重程度

中風是一種常見的腦部心血管疾病。原本應該要送到腦細胞的氧氣或養分，因為大腦的血液循環系統出問題，氧氣跟養分無法及時送達，腦細胞因此死亡，造成大腦無法發揮完整的功能。最常見的中風類型是缺血性中風，由血栓或動脈硬化引發。

不同的大腦部位負責不同的功能，因此當不同的區域發生中風的時候，患者受到影響的能力也就不一樣。在評估中風的嚴重程度時，臨床診斷上最常用的工具是NIHSS中風量表，藉由評估患者的外在行為來判斷中風的嚴重程度。

既然中風是一種發生在大腦的疾病，我們能不能透過了解大腦不同腦區的損傷程度，來輔助醫師做醫療決策呢？對此，Andrea Protani等人提出了一種方式：量測患者的EEG訊號，建立圖神經網路模型（Graph neuron network），預測患者中風的嚴重程度。

在這項研究中，研究人員蒐集71位住院中的患者的腦電圖（EEG）紀錄，以eLORETA（low resolution electromagnetic tomography）技術處理訊號。研究人員按照五種不同頻率帶，建構五張圖，每個圖的點代表一個Brodmann腦區，邊的權重則為不同腦區之間的延遲線性相干性（Lagged Linear Coherence, LLC）。同一腦區在不同頻率帶之間，在圖上同樣會建立連結。

研究人員以此模型判斷患者的中風嚴重程度，模型預測結果與實際評估結果的平均絕對誤差（MAE）為3.57±0.6，與人類醫師的平均誤差（3分）相當。其中，模型在NIHSS分數介於9至16之間的患者預測上，誤差較低，可能是因為這個類別的患者資料較多。

另一方面，研究人員進一步視覺化模型的預測結果。研究人員將模型中的注意力權重視覺化，注意力權重可以說明，模型覺得哪一個腦區在判斷NIHSS分數的時候比較重要。如果該腦區的注意力權重較高，說明模型覺得這個腦區在判斷NIHSS分數時較為關鍵。從圖5可以看到，左腦受傷的患者，其注意力權重較高的腦區集中在左腦。視覺化除了讓醫師能了解哪個腦區在中風中扮演重要角色之外，也進一步驗證這個模型的可驗證性。

綜上所述，該模型提供判斷患者中風程度的一種全新方式，並透過視覺化模型內的注意力權重參數，說明這個模型的可解釋性。期許未來可以將其成果應用在輔助醫師診斷上。

撰文：許芝瑜

參考資料：Protani, A., Giusti, L., Iacovelli, C., Aillet, A. S., Santos, D. R., Reale, G., Zauli, A., Moci, M., Garbuglia, M., Brutti, P., Caliandro, P., & Serio, L. (2024). Towards explainable graph neural networks for neurological evaluation on EEG signals. arXiv.org.

https://arxiv.org/abs/2410.07199