AI个体化癫痫治疗管理机构新时代丨Airdoc莫纳什研究中心最新论文

《the BMJ》-Brain Health（英国医学期刊脑身心健康大碟）10周刊发表了关于癫痫治疗法管理制度的最新统计数据数据分析成果。此次统计数据数据分析成果表明，数据检视的飞跃有望提供更是可靠的基本概念来计算癫痫母体患儿的治疗法结果。全线粒体抽的集和用到患儿衍生的骨髓建立的多的集病症基本概念意味著会在未来会将试错通则替换为癫痫精准治疗法。本统计数据数据分析由Airdoc Monash Research Center戈宗元博士团队联合莫纳什神经退化病症统计数据数据分析中所心近来联合完成。

一个多世纪以来，癫痫治疗法一直是试错通则。虽然有基本基本特征型式的药品为了让范本，但药到底见效，只能用到后才知道，如果没效就要再尝试下一种药，以此类推直到找到最合适的治疗法方通则。因此耽误病状的患儿不在少数。但此次Patrick Kwan(关国良)及合作者聚焦并不认为未来会通过AI计算癫痫的癫痫，为患儿反之亦然最简便的药品。

机械工程双向Transformers编码器(BioBERT)是最新的基于高度学习技术的必需训练机械工程语种声称基本概念，旨在用作机械工程注释的发掘目标。BioBERT发表于2020月初，它通过促进用到来自许多其他统计C#的非图形化统计数据，例如电子身心健康历史记录和临床研究报告，来大力支持基本概念训练。结合强大的高度学习示意图概率基本概念，这使得统计数据数据分析技术人员可以在治疗法结果数据分析中所包括更是高外延且意味著有用的信息，而现代的比对则不能继续做到这一点。

治疗法重排的不已确定性是主要问题

治疗法癫痫有许多药品以及非药品干预措施，例如切除手术、神经通气和饮食疗通则。然而，当前的治疗法管理制度标准无论如何忽视于循序尝试完全相同的抗癫痫药品治疗法的试错通则。虽然有基于癫痫癫痫基本基本特征型式（局灶性或全面性癫痫）的药品为了让范本，但在分组数据分析时，许多药品不具相似的。对于任何给定的患儿，不能计算哪种药品最直接并应被选为初始治疗法。尽管抗病毒激增，市场上有20多种药剂，但有三分之一的患儿的癫痫癫痫不能被抗癫痫药品掌控。

在世界许多地方，大多数新治疗为癫痫的患儿是由初级保健牙医来进行治疗法的。如果在最初的治疗法中所不能掌控癫痫癫痫，则将患儿转诊给普通神经科医师，如果进一步的药品治疗法失败，则将其转诊至癫痫中所心。这种按部就班的卫生逆时针意味着在癫痫专业人士数据分析报告意味著不具耐药性癫痫近期的患儿之前，决定性的短时间并未流失了。其他治疗法为了让，例如手术，被广泛地并不认为是之前的技术手段。可惜的是，方面的短时间拖延意味着这些治疗法技术手段意味著特性不佳。结果往往是多年的生活质量急剧下降，生产力急剧下降和死亡率增高。

这一困境意味著通过一种可靠的、能找到治疗法结果与患儿个人基本特征间方面联的方式也的方通则来消除。耐药性癫痫近期的患儿这的集就可以被及早的分诊，从而尽快得到宝贵的普通科卫生水资源。计算机科学（AI）和骨髓统计数据数据分析的最新进展使人们寄希望于癫痫母体化治疗法管理制度将意味著很快踏入这种循序治疗法种系统的可行性替代方案。

A：现代试错治疗法通则

BC：计算机科学和骨髓母体化治疗法管理制度

医学计算机科学

数据检视正在探索在癫痫科技领域底下通过脑电示意图方式也识别来计算和探测癫痫的癫痫。最近的一项统计数据数据分析用到了9571例常规搜罗的头皮脑电示意图历史记录来训练一个高度神经网络，该迭代在探测癫痫期痫的集等离子方面比起专业人士。统计数据数据分析技术人员还用到了基于短时间序列的迭代（例如，在响应性神经诱发种系统中所用到的线长迭代）来数据分析受控的、接下来得到的颅内脑电示意图讯号，以开发癫痫癫痫预警种系统。如果在大规模临床研究检验中所证明直接，这种种系统可以为了让患儿必需防范并减低癫痫癫痫所致使的丧命。

机械工程双向Transformers编码器(BioBERT)是最新的基于高度学习技术的必需训练机械工程语种声称基本概念，旨在用作机械工程注释的发掘目标。BioBERT发表于2020月初，它通过促进用到来自许多其他统计C#的非图形化统计数据，例如电子身心健康历史记录和临床研究报告，来大力支持基本概念训练。结合强大的高度学习示意图概率基本概念，这使得统计数据数据分析技术人员可以在治疗法结果数据分析中所包括更是高外延且意味著有用的信息，而现代的比对则不能继续做到这一点。

AI上的飞跃为构建可靠的计算药品治疗法重排的基本概念带来了希望。亨特癫痫中所心的一项统计数据数据分析正在开发AI基本概念根据参与者的癫痫癫痫，遗传遗传物质，物理，表征，药品和环境统计数据计算抗癫痫药品治疗法结果。用作计算药品治疗法重排的理想AI迭代和输入统计数据目前为止还有待已确定。因此，未来会的统计数据数据分析不该探索更是先进、更是多的集的示意图概率AI基本概念，并利用大型平行癫痫登记统计数据，以便可以从患儿的处方中所发掘全面的信息。这些统计数据数据分析意味著会通过应用领域自然语种检视工具来分离成来非图形化统计数据来增强基本概念。

△ 训练的基本概念在完全相同的统计数据集上一味transfer learning继续做盲测

△ 完全相同cohort统计数据集错综复杂的相异

线粒体学、骨髓和精准治疗法

针对癫痫病人的全线粒体筛查统计数据数据分析并未辨认出了越来越多的癫痫方面遗传物质，包括单核苷酸遗传物质位点变异（SNVs）和线粒体热点。据统计数据数据分析估计值，大约有70％的癫痫发生率意味著是由于一种或多种遗传遗传物质状况引起的。即使并未有方面统计数据数据分析的值得注意案例，但是目前为止唯不清楚病原遗传遗传物质变异的比对将在何种程度上状况临床研究实践中所的治疗法议程。为了消除这一基础知识鸿沟，一项正在来进行的随机相比较检验旨在已确定难治性癫痫患儿的全线粒体DNA的临床研究效用和成本商业价值。

如果遗传遗传物质学基础知识要转化为更是好的治疗法方通则，那么更是加充分地了解遗传遗传物质变异的基本功能就变得至关不可或缺。为此，统计数据数据分析技术人员有别于了现代的动物和肝细胞病症基本概念，将错误的遗传物质插入生物体的DNA中所。然后通过与相比较或“野生型”精神状态来进行比较来已确定病理表征学转变。

就癫痫而言，针对SCN1A遗传物质突变（致使大多数Dret遗传性发生率的遗传物质30）的病症基本概念统计数据数据分析已将抑制性中所间神经系统的血红素地下通道基本功能减小断定为癫痫方面的病理学机制彻底改变。这一辨认出致使了对Dret遗传性中所药品为了让的重新数据分析报告，并避免了血红素地下通道阻断药品的用到，因为它们意味著进一步减小神经系统基本功能从而致使癫痫癫痫加剧。

但是在大多数但会，由于现有病症基本概念统计数据数据分析的值得注意，很多SNVs的病原机理唯不清楚。如果要在癫痫治疗法中所广泛有别于精准医学，那么被断定不具遗传遗传物质变异的患儿必须遵从快速探测；而且该遗传遗传物质变异还不该用胃基本概念来进行检查，以数据分析报告其病理表征后果和遗忘病症精神状态，并来进行量身定制的药品治疗法测试和为了让。

利用从患儿自身肝细胞诱导造成的多创造力骨髓（iPSCs）得到人源神经系统，可以构建非常理想的癫痫病症基本概念。iPSCs不仅携带患儿自身的遗传遗传物质信息；而且可以栖息于或“分化”成多种肝细胞系，包括多种内皮肝细胞共通点。

△ 多种内皮肝细胞共通点

这些从患儿肝细胞衍生得到的神经基本概念可以广泛用作统计数据数据分析遗传遗传物质变异引起的神经方面遗传遗传物质，例如极度的神经系统形态和皮质传递，这些都是现代的非神经病症基本概念不能实现的。该基本概念也并未被用作鉴别携带高病原性突变遗传物质神经系统的极度遗传遗传物质，如晚期发育性脑病。

基于iPSCs的病症基本概念最与众完全相同的占优是能够统计数据数据分析遗传遗传物质变异的配对效应（在单个患儿中所比对成的多个SNV）和遗传物质受损难以已确定的情况。然而，在基于iPSCs的基本概念可用作临床研究治疗法之前，还有必须克服困难重重。必须更是多的统计数据数据分析来证明以致于活跃的神经网络遗传遗传物质（一个癫痫的临床研究基本特征）到底可以在培养皿底下遗忘；还必须更是多的统计数据数据分析来已确定在这些胃基本概念中所测得的电社交活动与脑电示意图上通过观察到的癫痫的集电社交活动错综复杂的关联性。

目前为止基于iPSCs的神经基本概念有一个潜在值得注意，就是缺乏更多的肝细胞多的集性来建立癫痫的集社交活动。为了消除这一问题，统计数据数据分析技术人员将统计数据数据分析转向类脑心脏（成份在大脑中所辨认出的多层肝细胞和组织结构）。增高病症基本概念的多的集性对于可靠地模拟致使本能癫痫的各种肝细胞型式和大脑区域的基本功能障碍是至关不可或缺的。此外，多阳极阵列可以历史记录网络化神经系统的协调相互作用，已被用作探测培养的类心脏发成的脑电示意图的集讯号。

基于iPSC的基本概念可以无限期栖息于，而且没有给患儿带来任何风险，因此它们对于在患儿特定背景下来进行生物信息学抽的集潜在药品非常不可或缺；目的是比对成新颖的、有针对性的抗癫痫药品。事实上这些基本概念并未成功地用作其他中所枢神经种系统病症的生物信息学药品抽的集。这的集一个新颖的、基于人源肝细胞的药品抽的集平台可以克服我们对现代啮齿类动物基本概念的严重忽视；现代的灵长目基本概念阻碍了抗癫痫药品的发展；这也有助于解释为什么三分之一以上的癫痫患儿缺乏直接的药品治疗法。

母体化癫痫治疗法管理制度的将来

如果要实现母体化的癫痫治疗法管理制度，必须将技术飞跃与改善身心健康职业教育和得到普通科卫生机会融为一体。未来会这些结果计算基本概念不仅会对专业人士有价值，而且将可以为了让全科牙医用它们对患儿来进行类群以便理应将其分诊至癫痫中所心。

基于AI的临床研究议程大力支持基本概念可以可靠地计算每个抗癫痫药品对于母体患儿的成功治疗法的意味著性。这些基本概念被反转为应用领域软件并得到宾夕法尼亚州食品药品监督管理制度局和其他管制管理制度机构的批文，属于“作为公共卫生设备的应用领域软件”类别。应用领域程序既可以单独用到也可以录入到电子处方种系统中所，并能通过现实中所的反馈来提高性能。它可以识别耐药性癫痫近期患儿，并能理应、且有针对性地提供价格昂贵的普通科卫生或手术数据分析报告服务。应用领域程序被证明是经济直接的，可用作优先商量患儿进入普通科癫痫治疗法中所心。

以上文章成自 ： [1] Chen, Zhibin, Ben Rollo, Ana Antonic-Baker, Alison Anderson, Yuanlin Ma, Terence J. O’Brien, Zongyuan Ge, Xuefeng Wang, and Patrick Kwan. "New era of personalised epilepsy management." bmj 371 (2020).[2] Choong, Jiun H., Haris Hakeem, Zhibin Chen, Martin Brodie, Nicolas Lawn, Tom Drummond, Patrick Kwan, and Zongyuan Ge. "Application of transformers for predicting epilepsy treatment response." medRxiv (2020).