// Innehåll
Under några dagar på sjukhus fick 13 epilepsipatienter anfallslarm i mobilen och svarade på vart och ett med ett ja eller ett nej. De besvarade mer än två tredjedelar av dem. Algoritmen tränades om på de korta svaren, och i en simulering sjönk dess falsklarm med ungefär 80 procent. Etiketter från erfarna specialister gav bara ytterligare 2 procent. Men det finns en hake: den nya versionen fångade inte fler riktiga anfall än den gamla.
Alla deltagare låg på epilepsiövervakningsavdelningen vid Hospital of the University of Pennsylvania, och var och en hade en mobilapp med en AI-assistent kopplad till den egna EEG:n. Arbetet av neurologen Brian Litts grupp publicerades i Nature Medicine den 13 oktober 2026. Författarna kallar det ett proof of concept: urvalet är litet, och allt skedde inne på sjukhuset. Plattformen byggdes av doktoranderna i bioteknik Zack Goldblum och Haoer Shi från Litts labb.
Avdelningen där alla väntar på ett anfall
Man läggs in på en sådan avdelning för att få ett anfall under övervakning, inte för att bli behandlad. Patienten tillbringar flera dygn på video med elektroder på huvudet, så att läkarna kan fånga ett anfall på inspelningen och se var det börjar. EEG, elektroencefalografi, registrerar hjärnans elektriska aktivitet, och under ett anfall ändras rytmen på kurvan på ett sätt som en erfaren läkare ser direkt. Elva deltagare hade elektroder på hårbotten och två hade dem inne i hjärnan, enligt beskrivningen av den öppna datamängden .
Ett detektorprogram bevakar inspelningen. Det slår ofta larm i onödan, till exempel när någon kliar sig på huvudet eller vänder sig i sömnen och rörelsen lämnar brus på kurvan. Kallar man på en sjuksköterska vid varje sådant larm tror ingen på larmen när kvällen kommer.
Vanligtvis anpassar läkare och ingenjörer en sådan detektor till en enskild person, och det kräver månader av programmering på plats. Litts team föreslog att man skulle fråga den som med säkerhet vet om ett anfall inträffade. Insatsen är större än den ser ut: enligt WHO skulle upp till 70 procent av alla med epilepsi kunna leva anfallsfria om de fick rätt diagnos och behandling. Ett exakt register över anfallen är där diagnosen börjar.
Tre knappar i stället för månader av inställningar
Huvudfyndet gömmer sig i den mest anspråkslösa handlingen. Varje gång detektorn flaggade ett möjligt anfall frågade telefonen: hände det här på riktigt? Patienten kunde svara ja, nej eller osäker. Patienterna svarade på mer än två tredjedelar av frågorna, rapporterar MedicalXpress .
Svaren blev ledtrådar åt algoritmen, ungefär som bildtexterna under foton som lär ett neuralt nätverk att känna igen katter. När detektorn hade tränats om på dem gav den omkring 80 procent färre onödiga larm under sjukhusvistelsen. Siffran kommer från en simulering: teamet körde inspelningarna genom den omtränade modellen i efterhand och räknade hur många larm den skulle ha gett. Hur systemet beter sig i realtid är alltså fortfarande en öppen fråga.
Den nya versionen blev lugnare, inte vassare. Den slutade väsnas i onödan, men missade lika många riktiga anfall som förut.
Vad människor frågar sin egen hjärna
Appen fungerar åt båda hållen. Patienten skriver en fråga, och AI-agenten svarar utifrån den pågående EEG-inspelningen, ibland med ett diagram. Bakom samtalet fanns en version av OpenAI:s GPT-4o-mini, nådd via en privat kanal som genom avtal förbjuds att spara patientdata eller träna på dem. Varje meddelande, i båda riktningarna, gick genom en automatisk säkerhetskontroll, skriver Medical Economics .
De flesta samtalen handlade om anfall, sömn, humör och energi. En typisk fråga: fick jag ett anfall i natt? Systemet stod själv för det mesta av pratet, omkring 69 procent av meddelandena: larm, enkäter tre gånger om dagen och svar. Ett enkelt svar kom på ungefär 2 sekunder, snabbare än en sjuksköterska hinner gå till rummet. En fråga som fick systemet att gräva i EEG-registret, som ”hur mycket sov jag?”, tog omkring 9 sekunder. Fem av de tretton frågade på eget initiativ om de kunde ta med sig systemet hem. Teamets svar var att det inte går ännu, men att arbetet är på väg dit, minns Goldblum i en intervju med Medical Economics. Bara fem deltagare fyllde i enkäten om användbarhet, och i genomsnitt gav de appen 83 poäng av 100.
// Studien i siffror
Varför medicinteknik tiger
Litt sammanfattar tanken enkelt: patienter förstår ofta sidor av sin sjukdom som sensorer inte kan mäta direkt. Det är hans ord i meddelandet från University of Pennsylvania . En människa vet att hon sov dåligt före ett anfall eller hoppade över en tablett. Apparaten ser bara en linje på en kurva.
Kanalen åt andra hållet finns knappt heller. I USA är tre implanterade apparater godkända mot epilepsi: vagusnervstimulering, responsiv neurostimulering (RNS) och djup hjärnstimulering. Ingen av dem kan dela information med patienterna i realtid, skriver författarna. Med andra ord kan en människa få veta något av sin egen apparat bara via en läkare. Litt säger det rakt ut: datan döljer många ledtrådar om hur beteende påverkar hälsan, men patienterna har i dag inget sätt att få veta dem i stunden, som NIH citerar honom .
Så är systemet byggt
Systemet har tre delar. Programvara fångar kontinuerligt signalen från EEG-elektroderna. En säker molnmiljö som uppfyller amerikanska regler för medicinsk integritet analyserar inspelningen nästan i realtid. Den tredje delen är en smartphoneapp där patienten skriver till AI-agenten, som svarar på frågor och skickar egna notiser. Deltagarnas inspelningar är öppet tillgängliga för andra forskare. Arbetet finansieras av ett Pioneer Award från NIH på 5,6 miljoner dollar, och en tidig version kom i januari 2026 som en förpublicering på medRxiv under en ännu djärvare titel: ”An Implantable Device that Converses with Patients and Learns to Co-Manage Epilepsy”.
Vad studien ännu inte har visat
Omkring 50 miljoner människor i världen har epilepsi, enligt WHO . Det är därför frestande att läsa arbetet som en nyhet om behandling. Det handlar om något annat. Tretton patienter tillbringade några dagar på ett sjukhus under personalens uppsikt, och studien var inte upplagd för att visa om människor skulle få färre anfall.
Det får nästa studier, i öppenvård med minimalt invasiv EEG och bärbara sensorer, visa. De ska räkna det som spelar roll i vardagen: hur ofta anfallen kommer och hur svåra de är, hur många ambulanssamtal och sjukhusbesök människor behöver. Därefter vill författarna använda den här sortens dialog för att automatiskt justera djup hjärnstimulering vid Parkinsons sjukdom. De tror att det också kan hjälpa personer med pacemaker och insulinpumpar. De räknar med att myndigheterna godkänner sådana system stegvis, och börjar med dem som bara ger råd och inte själva bestämmer något.
Apparater som de här har i åratal samlat in data om kroppen i tystnad. I den här studien frågade en apparat sin ägare vad som hände, och ägarens svar gjorde den mer exakt.
