AI个体化癫痫治疗监管新时代丨Airdoc莫纳什研究中心最新论文

《the BMJ》-Brain Health（英国医学杂志脑心理健康新专辑）10刊物公开发表了关于中的风疗程管理的除此以外研究课题显现出果。此次研究课题显现出果表明，方法学的不断进步上半年提供更是正确地的假设来得显现出中的风个体病变的疗程结果。均DNA挑选和采用病变相异的体细胞膜构建的有效率营养不良假设似乎则会在未来将试错依此替换为中的风简单疗程。本研究课题由Airdoc Monash Research Center戈宗元博士工作团队合组莫纳什神经元膜退化营养不良研究课题中的心近日合组完显现出。

一个多世纪以来，中的风疗程多年来是试错依此。虽然有基本特征一般来说的本品选项最新，但药到底见效，必需采用后才真的，如果没效就要再想法下一种药，相加直到认显现出合理的疗程方依此。因此耽误病程的病变；也。但此次Patrick Kwan(关国良)及助手深入探讨认为未来通过AI得显现出中的风的复发，为病变给定最简单的本品。

运用科学双向Transformers编码方式(BioBERT)是除此以外的基于厚度学习核心技术的自行特训运用科学母语问到假设，用以采用运用科学脚注的挖到护航。BioBERT刊发于2020年初，它通过促进采用来自许多其他原始数据一般来说的非形式化原始数据，举例如磁停滞性心理健康详细描述和医学份文件，来支持假设特训。相辅相显现出强悍的厚度学习图概率假设，这使得研究课题其他部门可以在疗程结果量化中的有数更是高一般而言且似乎有效率的信息，而传统观念的统计量化则难以要用到这一点。

疗程反应的不具体停滞性是主要问题

疗程中的风有许多本品以及非本品干预措施，举例如动手术治疗、神经元膜调节和饮食疗依此。然而，当前的疗程管理规范几乎缺少于依此想法有所不同的抗中的风本品疗程的试错依此。虽然有基于中的风复发基本特征一般来说（局灶停滞性或均面停滞性复发）的本品选项最新，但在相加量化时，许多本品较强雷同的。对于任何给定的病变，难以得显现出哪种本品最有效并应被选为初始疗程。尽管药品激增，的产品上有20多种药剂，但有三分之一的病变的中的风复发难以被抗中的风本品管控。

在均球停滞性许多地方，大多数新诊断为中的风的病变是由初级卫生医生进行时疗程的。如果在原先的疗程中的难以管控中的风复发，则将病变转诊给大多神经元膜科医生，如果大幅度的本品疗程失败，则将其转诊至中的风中的心。这种按部就班的诊疗方向意味著在中的风专家风险评估似乎较强缺少停滞性中的风经常停滞性的病变之前，更为关键的时两者彼此间从未萎缩了。其他疗程选项，举例如治疗，被广泛地认为是最后的暴力手段。眼见的是，系统设计停滞性的时两者彼此间耽搁意味著这些疗程暴力手段似乎效果不佳。结果往往是多年的生活质量回升，劳动力回升和死亡率增加。

这一处境似乎通过一种准确的、能认显现出疗程结果与病变个人特征两者彼此间系统设计停滞性联的模式的方依此来妥善解决。缺少停滞性中的风经常停滞性的病变这样就可以被尽快的分诊，从而尽快取得丰厚的大多科诊疗资源。计算机系统设计（AI）和体细胞膜研究课题的除此以外进展使人们寄希望于中的风形体疗程管理将似乎很快视作这种依此疗程途径的可行停滞性替代方案。

A：传统观念试错疗程依此

BC：计算机系统设计和体细胞膜形体疗程管理

医学计算机系统设计

方法学刚刚探求在中的风科技领域中都通过运动管控模式识别来得显现出和检测中的风的复发。最近的一项研究课题采用了9571举例值得注意收集的头皮运动管控详细描述来特训一个厚度神经元膜网络，该解依此在检测复发期痫样放电均面停滞性优于专家。研究课题其他部门还采用了基于时两者彼此间序列的解依此（举例如，在号召停滞性神经元膜刺激系统设计中的采用的四号线解依此）来量化受控的、停滞换取的颅内运动管控接收器，以开发中的风复发预警系统设计。如果在大规模医学实验中的断定有效，这种系统设计可以设法病变自行防范并减少中的风复发所所致的受伤。

运用科学双向Transformers编码方式(BioBERT)是除此以外的基于厚度学习核心技术的自行特训运用科学母语问到假设，用以采用运用科学脚注的挖到护航。BioBERT刊发于2020年初，它通过促进采用来自许多其他原始数据一般来说的非形式化原始数据，举例如磁停滞性心理健康详细描述和医学份文件，来支持假设特训。相辅相显现出强悍的厚度学习图概率假设，这使得研究课题其他部门可以在疗程结果量化中的有数更是高一般而言且似乎有效率的信息，而传统观念的统计量化则难以要用到这一点。

AI上的不断进步为构建准确的得显现出本品疗程反应的假设带来了希望。斯坦福中的风中的心的一项研究课题刚刚开发AI假设根据参加者的中的风复发，基因型，物理学，内分泌，本品和生态环境原始数据得显现出抗中的风本品疗程结果。采用得显现出本品疗程反应的难得AI解依此和输入原始数据现今还有待具体。因此，未来的研究课题确实探求更是先进、更是有效率的图概率AI假设，并利用大型纵向中的风登记原始数据，以便可以从病变的显现出有中的挖到均面的信息。这些研究课题似乎则会通过运用自然母语处理过程工具来提取非形式化原始数据来提升假设。

△ 特训的假设在有所不同的原始数据集上不加transfer learning要用盲测

△ 有所不同cohort原始数据集之两者彼此间的相异

DNA学、体细胞膜和简单疗程

针对中的风病人的均DNA化疗研究课题从未见到了越来越多的中的风系统设计停滞性DNA，有数单碱基DNA位点变异（SNVs）和DNA热点。据研究课题估计，大概有70％的中的风病举例似乎是由于一种或多种基因型主因造显现出了的。即使从未有系统设计停滞性研究课题的典型案举例，但是现今尚为不清楚致病基因序列的深入研究将在何种程度上影响医学实践中的的疗程对政府。为探究决这一经验两者彼此间，一项刚刚进行时的研究性试验用以具体难治停滞性中的风病变的均DNA脱氧核糖核酸的医学用处和显现出本效益。

如果基因型学经验要转化为更是好的疗程方依此，那么更是加必要地探究基因序列的功能就更是加至关关键。为此，研究课题其他部门采用了传统观念的动物和细胞膜营养不良假设，将错误的DNA插入生物体的DNA中的。然后通过与对照或“野生型”正常进行时来得来具体病症内分泌学变化。

就中的风而言，针对SCN1ADNA突变（所致大多数Dret综合征病举例的DNA30）的营养不良假设研究课题已将抑制停滞性中的两者彼此间神经元膜元的钠离子连接处功能减小认定为中的风系统设计停滞性的病症学机制忽略。这一见到所致了对Dret综合征中的本品选项的继续风险评估，并避开了钠离子连接处受阻本品的采用，因为它们似乎大幅度减小神经元膜元功能从而所致中的风复发加剧。

但是在大多数情形，由于现有营养不良假设研究课题的即便如此，很多SNVs的致病机理尚为不清楚。如果要在中的风疗程中的广泛采用简单医学，那么被认定较强基因序列的病变必需接受快速检测；而且该基因序列还确实用体外假设进行时检查，以风险评估其病症内分泌后果和重演营养不良正常，并进行时订要用定制的本品疗程试验中和选项。

利用从病变自身细胞膜诱导消除的多经验体细胞膜（iPSCs）换取人源神经元膜元，可以构建比较难得的中的风营养不良假设。iPSCs不仅运载病变自身的表征；而且可以栖息于或“分化”显现出多种细胞膜系，有数多种神经元膜细胞膜亚型。

△ 多种神经元膜细胞膜亚型

这些从病变细胞膜相异取得的神经元膜假设可以广泛采用研究课题基因序列造显现出了的神经元膜系统设计停滞性性状，举例如所致的神经元膜元形态和突触传送，这些都是传统观念的非神经元膜营养不良假设难以实现的。该假设也从未被采用鉴别运载高致病停滞性突变DNA神经元膜元的所致性状，如早期愈合停滞性脑病。

基于iPSCs的营养不良假设最独特的优势是必需研究课题基因序列的第一组效应（在单个病变中的深入研究显现出的多个SNV）和DNA损坏未知的情况。然而，在基于iPSCs的假设可采用医学疗程之前，还有必须抛开难关。必须更是多的研究课题来断定过度活跃的神经元膜网络性状（一个中的风的医学特征）到底可以在培养皿中都重演；还必须更是多的研究课题来具体在这些体外假设中的测得的电娱乐活动与运动管控上观察到的中的风样电娱乐活动之两者彼此间的关联。

现今基于iPSCs的神经元膜假设有一个潜在即便如此，就是缺失足够的细胞膜有效率程度来构建中的风样娱乐活动。为探究决这一问题，研究课题其他部门将研究课题转向类脑循环系统设计（含有在脑干中的见到的多层细胞膜和该组织结构）。增加营养不良假设的有效率程度对于正确地地建模所致有机体中的风的各种细胞膜一般来说和脑干区域的功能障碍是至关关键的。此外，多电极感测器可以详细描述网络化神经元膜元的协调强子，已被采用检测培养的类循环系统设计发显现出的运动管控样接收器。

基于iPSC的假设可以终止栖息于，而且不则会给病变带来任何风险，因此它们对于在病变特定或多或少下进行时生物技术挑选潜在本品比较关键；目的是深入研究显现出独树一格的、有针对停滞性的抗中的风本品。事实上这些假设从未想法地采用其他中的枢神经元膜系统设计营养不良的生物技术本品挑选。这样一个独树一格的、基于人源细胞膜的本品挑选平台可以抛开我们对传统观念啮齿类动物假设的严重缺少；传统观念的啮齿动物假设冲击了抗中的风本品的拓展；这也最大限度解释为什么三分之一以上的中的风病变缺失有效的本品疗程。

形体中的风疗程管理的将来

如果要实现形体的中的风疗程管理，必需将核心技术不断进步与改善心理健康教学和取得大多科诊疗机则会相相辅相显现出。未来这些结果得显现出假设不仅则会对专家有价值，而且将可以设法均科医生用它们对病变进行时定义以便即刻将其分诊至中的风中的心。

基于AI的医学对政府支持假设可以正确地地得显现出每个抗中的风本品对于个体病变的想法疗程的似乎停滞性。这些假设被转换为软件并取得英国食品药品监督管理局和其他监管机构的首肯，属于“作为医疗保健设备的软件”类别。系统软件既可以实质上采用也可以集显现出到磁停滞性显现出有系统设计中的，并能通过虚幻中的的该系统设计来提高停滞性能。它可以识别缺少停滞性中的风经常停滞性病变，并能即刻、且有针对停滞性地提供昂贵的大多科诊疗或治疗风险评估维修服务。系统软件被断定是经济有效的，可采用优先安排病变进入大多科中的风疗程中的心。

以上社论显现出自 ： [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).