AI个体化癫痫治疗管理新时代丨Airdoc莫纳什研究中心最新专著

《the BMJ》-Brain Health（英国医学杂志脑心理健康首歌曲）10创刊号发表了关于癫痫外科疗程管理者的当前成果。此次成果表明，机器求学的进步有望提供非常精准的数学模型来计算癫痫微生物病人的外科疗程结果。全序列筛选和用到病人衍生的肿瘤建立联系的复杂病症数学模型或许会在预见将试错法去掉为癫痫精准外科疗程。本研究者由Airdoc Monash Research Center戈宗元博士团队继续组建莫纳什脊髓退化病症研究者中所心已对继续组建未完成。

一个多世纪以来，癫痫外科疗程长期是试错法。虽然有大体各种类型的抗生素选项读物，但药是否见效，只能用到后才知道，如果没效就要再无论如何下一种药，依此类推直到找到合适的外科疗程作法。因此耽误哮喘的病人不在少数。但此次Patrick Kwan(关国良)及同事探讨认为预见通过AI计算癫痫的癫痫，为病人匹配最适合的抗生素。

生物核心技术双向Transformers增量(BioBERT)是当前的基于尺度求学核心技术的必需专业训练生物核心技术语言学坚称数学模型，借此运用于生物核心技术文档的发掘出来任务。BioBERT公开发表于2020年初，它通过促进用到来自许多其他信息各种类型的非非标准信息，例如磁力子心理健康记录下来和病理研究报告，来背书数学模型专业训练。结合强大的尺度求学布概率数学模型，这使得研究者部门可以在外科疗程结果分析作法中所除此以外非常高粒度且或许适合于的信息，而基本上的粗略作法则无法实在这一点。

外科疗程底物的不明确病态是主要弊端

外科疗程癫痫有许多抗生素以及非抗生素干涉措施，例如切除疗程、脊髓调节和饮食疗法。然而，意味著的外科疗程管理者标准即使如此依赖于于并行无论如何各不相同的抗癫痫抗生素外科疗程的试错法。虽然有基于癫痫癫痫大体各种类型（局灶病态或全面病态癫痫）的抗生素选项读物，但在三组分析作法时，许多抗生素有着相似的。对于任何给定的病人，无法计算哪种抗生素最适当并应入选为初始外科疗程。尽管新药接下来增长，的产品上有20多种药剂，但有三分之一的病人的癫痫癫痫无法被抗癫痫抗生素控制。

在21世纪许多地方，大多数新诊断为癫痫的病人是由初级保健精神科进行时外科疗程的。如果在最初的外科疗程中所无法控制癫痫癫痫，则将病人转诊给普通脊髓科牙医，如果进一步的抗生素外科疗程收场，则将其转诊至癫痫中所心。这种按部就班的护理路径意味着在癫痫专家指标或许有着HIV癫痫一般而言的病人之后，关键的时之间早已过多了。其他外科疗程选项，例如疗程，被普遍地认为是最后的意图。可惜的是，关的的时之间拖延意味着这些外科疗程意图或许精准度不佳。结果往往是多年的生活质量减少，生产力减少和发生率增加。

这一困境或许通过一种精确的、能找到外科疗程结果与病人个人特征之间值得注意的方式上的作法来解决。HIV癫痫一般而言的病人这样就可以被尽快的分诊，从而尽快获宝贵的五年制护理资源。机器学习（AI）和肿瘤研究者的当前进展使人们在此之后癫痫微生物化外科疗程管理者将或许慢慢地被选为这种并行外科疗程途径的可行病态替代方案。

A：基本上试错外科疗程法

BC：机器学习和肿瘤微生物化外科疗程管理者

医学机器学习

机器求学将要探索在癫痫分析作法领域那时候通过出有方式上识别来计算和验证癫痫的癫痫。最近的一项研究者用到了9571例常规换取的头皮出有记录下来来专业训练一个尺度脊髓网络，该算法在验证癫痫期痫样放磁力不足之处优于专家。研究者部门还用到了基于时之间序列的算法（例如，在响应病态脊髓刺激种系统中所用到的线长算法）来分析作法正因如此的、接下来换取的颅内出有波形，以开发癫痫癫痫预警种系统。如果在大规模病理试验中所证明适当，这种种系统可以帮助病人必需防范并减少癫痫癫痫所造成的受伤。

生物核心技术双向Transformers增量(BioBERT)是当前的基于尺度求学核心技术的必需专业训练生物核心技术语言学坚称数学模型，借此运用于生物核心技术文档的发掘出来任务。BioBERT公开发表于2020年初，它通过促进用到来自许多其他信息各种类型的非非标准信息，例如磁力子心理健康记录下来和病理研究报告，来背书数学模型专业训练。结合强大的尺度求学布概率数学模型，这使得研究者部门可以在外科疗程结果分析作法中所除此以外非常高粒度且或许适合于的信息，而基本上的粗略作法则无法实在这一点。

AI上的进步为构建精确的计算抗生素外科疗程底物的数学模型带给了希望。斯坦福癫痫中所心的一项研究者将要开发AI数学模型根据举例来说的癫痫癫痫，表现型，物理化学，生理，抗生素和生存环境信息计算抗癫痫抗生素外科疗程结果。运用于计算抗生素外科疗程底物的全然AI算法和输入信息迄今为止还有待明确。因此，预见的研究者不该探索非常先进、非常复杂的布概率AI数学模型，并利用大型纵向癫痫登记信息，以便可以从病人的病历中所发掘出来全面的信息。这些研究者或许会通过分析作法自然语言学处理方式用以来抽取非非标准信息来增强数学模型。

△ 专业训练的数学模型在各不相同的信息集上不加transfer learning做盲测

△ 各不相同cohort信息集之之间的差异

序列学、肿瘤和精准外科疗程

针对癫痫病人的全序列筛查研究者早已辨认出了越来越多的癫痫关的基因序列，除此以外单多肽基因序列残基人体内（SNVs）和序列热点。据研究者据估计，大约有70％的癫痫病例或许是由于一种或多种表现型因素引起的。即使早已有关的研究者的典型情形，但是迄今为止尚为不相符致病表现型人体内的鉴定将在何种程度上影响病理实践中所的外科疗程决策者。为了解决这一基本知识鸿沟，一项将要进行时的病理试验借此明确难治病态癫痫病人的全序列测序的病理效用和成本实用病态。

如果表现型学基本知识要升华为非常好的外科疗程作法，那么非常加充分地了解表现型人体内的基本功能就非常加至关重要。为此，研究者部门采用了基本上的动物和细胞内病症数学模型，将错误的基因序列插入微生物的DNA中所。然后通过与比对或“野生型”状态进行时比较来明确病理生理学变化。

就癫痫而言，针对SCN1A基因序列突变（造成大多数Dretsyndrome病例的基因序列30）的病症数学模型研究者已将抑制病态中所之间脊髓元的钠离子入口基本功能增加确认为癫痫关的的病理学机制改变。这一辨认出造成了对Dretsyndrome中所抗生素选项的继续指标，并尽量避免了钠离子入口阻断抗生素的用到，因为它们或许进一步增加脊髓元基本功能从而造成癫痫癫痫加剧。

但是在大多数情况下，由于现有病症数学模型研究者的相比较，很多SNVs的致病机理尚为不相符。如果要在癫痫外科疗程中所普遍采用精准医学，那么被确认有着表现型人体内的病人必须接受加速验证；而且该表现型人体内还不该用活体数学模型进行时检查，以指标其病理生理后果和重塑病症状态，并进行时订做定制的抗生素外科疗程飞行测试和选项。

利用从病人自身细胞内诱导产生的多潜能肿瘤（iPSCs）换取人源脊髓元，可以构建非常全然的癫痫病症数学模型。iPSCs不仅带上病人自身的表现型信息；而且可以植被或“其转型”成多种细胞内系，除此以外多种脑干内冠状病毒。

△ 多种脑干内冠状病毒

这些从病人细胞内衍生获的脊髓数学模型可以普遍运用于研究者表现型人体内引起的脊髓关的表型，例如异常的脊髓元形态和突触传递，这些都是基本上的非脊髓病症数学模型无法实现的。该数学模型也早已被运用于判别带上高致病病态突变基因序列脊髓元的异常表型，如早期发育病态脑病。

基于iPSCs的病症数学模型最独特的优势是尽可能研究者表现型人体内的组合效应（在单个病人中所鉴定出的多个SNV）和基因序列损伤不得而知的情况。然而，在基于iPSCs的数学模型可运用于病理外科疗程之后，还有尽可能借助重重困难。尽可能非常多的研究者来证明过度知名的脊髓网络表型（一个癫痫的病理特征）是否可以在黏附那时候重塑；还尽可能非常多的研究者来明确在这些活体数学模型中所测得的磁力活动与出有上观察到的癫痫样磁力活动之之间的关联。

迄今为止基于iPSCs的脊髓数学模型有一个潜在相比较，就是依赖于于足够的细胞内举例来说来建立联系癫痫样活动。为了解决这一弊端，研究者部门将研究者转向类脑生殖器官（含有在人脑中所辨认出的多层细胞内和组织结构）。增加病症数学模型的举例来说对于精准地虚拟造成人类癫痫的各种细胞内各种类型和人脑区外的原发病态是至关重要的。此外，多磁力极阵列可以记录下来多种形式脊髓元的协调相互作用，已被运用于验证养成的类生殖器官发来的出有样波形。

基于iPSC的数学模型可以无限期植被，而且不会给病人带给任何风险，因此它们对于在病人特定背景下进行时测序筛选潜在抗生素非常重要；借以是鉴定出新颖的、有针对病态的抗癫痫抗生素。事实上这些数学模型早已成功地运用于其他中所枢脊髓种系统病症的测序抗生素筛选。这样一个新颖的、基于人源细胞内的抗生素筛选平台可以借助我们对基本上啮齿类动物数学模型的严重依赖于；基本上的啮齿动物数学模型阻碍了抗癫痫抗生素的转型；这也有助于解释为什么三分之一以上的癫痫病人依赖于于适当的抗生素外科疗程。

微生物化癫痫外科疗程管理者的将来

如果要实现微生物化的癫痫外科疗程管理者，必须将核心技术进步与优化心理健康教育和获五年制护理机会相结合。预见这些结果计算数学模型不仅会对专家令人吃惊，而且将可以帮助专科精神科用它们对病人进行时分类以便尽快将其分诊至癫痫中所心。

基于AI的病理决策者背书数学模型可以精准地计算每个抗癫痫抗生素对于微生物病人的成功外科疗程的或许病态。这些数学模型被转换为种系统软件并获美国食品药品监督管理者局和其他监管机构的批准，属于“作为医疗仪器的种系统软件”类别。该种系统软件既可以单独用到也可以复刻到磁力子病历种系统中所，并能通过现实中所的反馈来提升安全病态。它可以识别HIV癫痫一般而言病人，并能尽快、且有针对病态地提供昂贵的五年制护理或疗程指标服务。该种系统软件被证明是经济适当的，可运用于应将特意病人进入五年制癫痫外科疗程中所心。

以上文章所作 ： [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).