2026年10月18日，美国宾夕法尼亚大学医学院发布的一项研究进展受到数字医疗领域关注。研究团队开发了能够通过人工智能与患者进行实时互动的平台，尝试改变传统医疗监测设备只能采集数据、难以及时解释信息的使用方式。

这一研究以癫痫监测为主要应用场景。研究人员将脑电信号采集、云端数据处理和智能对话系统结合，使患者能够通过手机应用询问自身脑电活动情况，并接收与监测变化有关的反馈。

据研究介绍，试验共有13名接受连续脑电监测的成年人参与。在研究过程中，患者与系统累计交换1307条消息，交流内容涉及癫痫事件、睡眠、情绪、精力和日常行为等因素。

传统脑电监测主要由专业人员分析设备记录的信息。对于普通患者而言，大量专业数据难以直接理解。新平台希望通过自然语言交互，将复杂的医疗监测结果转化为更容易理解的信息，让患者能够参与自身健康状况的观察。

该研究体现了医疗人工智能的重要发展方向，即从被动记录走向持续互动。未来，类似技术可能应用于慢性疾病随访、远程监测以及个体化健康管理，为医生与患者之间的信息交流提供辅助支持。

不过，现阶段研究仍属于概念验证，样本规模较小。系统能否降低癫痫发作频率、改善生活质量或者减少急诊需求，还需要进一步开展临床研究。

此外，脑电信息具有较强的专业性和敏感性。人工智能在解释监测结果时，必须避免将概率性判断表述为确定性诊断，同时需要保证患者数据得到适当保护。

从全球数字健康技术发展来看，可对话式医疗设备具有一定探索价值。其核心竞争力不仅是人工智能模型的语言能力，更在于能否提供准确、可解释且适合临床使用的信息服务。