AI个体化癫痫疗法管理新时代丨Airdoc莫纳什研究中心最新论文

《the BMJ》-Brain Health（国法国Medicine脑健康大碟）10季刊刊登了关于病症病人监管的最上新研究工作形同果。此次研究工作形同果指出，机器研读的退步年末获取不够恰当的仿真来得造出结论病症个体极高血压的病人结果。仅有原核生物挑选造出和适用极高血压都是以的体细胞内建立的适合于病症仿真确实都会在不够进一步将试错国法替换为病症简单病人。本研究工作由Airdoc Monash Research Center戈宗元博士团队联合行动莫纳什脊髓退化病症研究工作该中会心近日联合行动完形同。

一个多世纪以来，病症病人一直是试错国法。虽然有大体类别的用药选择指南，但药究竟短时外，不能适用后才究竟，如果没效就要再不够进一步下一种药，以此类推直到找到合适的病人工具。因此赶不上病症的极高血压不在少数。但此次Patrick Kwan(关国良)及威尔森反思视为不够进一步通过AI得造出结论病症的癫痫，为极高血压匹配最简便的用药。

生物科学双向Transformers编码器(BioBERT)是最上新的基于深研读新科技的先基础训练生物科学第二语言表示仿真，主旨用以生物科学句法的采石场目标。BioBERT发布于2020年末，它通过推动适用来自许多其他模板的非示例统计数据，举例如磁子健康据信和临床研究工作年度报告，来大力支持仿真基础训练。为基础强大的深研读绘造出期望值仿真，这使得研究工作医务人员可以在病人结果量化中会仅限于不够佳粒度且确实感兴趣的信息，而宗教性的统计量化则无国法算是这一点。

病人反其所的不相符特质是主要疑问

病人病症有许多用药以及非用药干预措施，举例如切除开刀、脊髓调节和饮食疗国法。然而，当前的病人监管标准仅仅依赖于都能不够进一步完全相同的抗病症用药病人的试错国法。虽然有基于病症癫痫大体类别（局灶特质或仅有面特质癫痫）的用药选择指南，但在分组量化时，许多用药具有近似于的。对于任何可定义的极高血压，无国法得造出结论哪种用药最有效率并其所曾为初始病人。尽管上制剂激增，低价上有20多种药剂，但有三分之一的极高血压的病症癫痫无国法被抗病症用药控制。

在全球许多地方，大多数上新诊断为病症的极高血压是由初级健康医生展开病人的。如果在本来的病人中会无国法控制病症癫痫，则将极高血压转诊给比如说脊髓科医师，如果进一步的用药病人失败，则将其转诊至病症该中会心。这种按部就班的看护路径意味着在病症药学专家风险评估确实具有耐药特质病症一般而言的极高血压在此之前，这两项的时外仅仅骤减了。其他病人选择，举例如开刀，被尤其地视为是最后的手段。可惜的是，特别的时外拖延意味着这些病人手段确实精准度不佳。结果往往是多年的生活数量级下降，生产力下降和死亡率增加。

这一困境确实通过一种简单的、能找到病人结果与极高血压个人基本特征外关的的方式而的工具来解决疑问。耐药特质病症一般而言的极高血压这的集就可以被及早的分诊，从而尽快得到宝贵的比如说科看护资源。AI（AI）和体细胞内研究工作的最上新进展使人们在此之后病症空无病人监管将确实很快形同为这种都能病人途径的可行特质替代可行性。

A：宗教性试错病人国法

BC：AI和体细胞内空无病人监管

药学AI

机器研读正在探求在病症层面从前通过表征方式而识别来得造出结论和检测病症的癫痫。最近的一项研究工作适用了9571举例原则上获取的头皮表征据信来基础训练一个深脊髓网络，该解国法在检测癫痫期痫的集放磁方面比不上药学专家。研究工作医务人员还适用了基于时外序列的解国法（举例如，在响其所特质脊髓刺激管理系统中会适用的五号线解国法）来量化受控的、持续利用的颅内表征频谱，以联合行动开发病症癫痫预警管理系统。如果在大规模临床研究工作试验中会断定有效率，这种管理系统可以帮助极高血压先防止并增加病症癫痫所引发的负伤。

生物科学双向Transformers编码器(BioBERT)是最上新的基于深研读新科技的先基础训练生物科学第二语言表示仿真，主旨用以生物科学句法的采石场目标。BioBERT发布于2020年末，它通过推动适用来自许多其他模板的非示例统计数据，举例如磁子健康据信和临床研究工作年度报告，来大力支持仿真基础训练。为基础强大的深研读绘造出期望值仿真，这使得研究工作医务人员可以在病人结果量化中会仅限于不够佳粒度且确实感兴趣的信息，而宗教性的统计量化则无国法算是这一点。

AI上的退步为紧密为基础简单的得造出结论用药病人反其所的仿真造形同了希望。斯坦福病症该中会心的一项研究工作正在联合行动开发AI仿真根据举举例来说的病症癫痫，性状，物理，生物体，用药和环境统计数据得造出结论抗病症用药病人结果。用以得造出结论用药病人反其所的理想AI解国法和输入统计数据现在还有待相符。因此，不够进一步的研究工作其所该探求不够极高性能、不够适合于的绘造出期望值AI仿真，并利用大型交叉病症登记统计数据，以便可以从极高血压的疑为中会采石场仅有面的信息。这些研究工作确实都会通过管理系统设计自然第二语言处理工具来提取非示例统计数据来增强仿真。

△ 基础训练的仿真在完全相同的统计数据集上无须transfer learning做盲测

△ 完全相同cohort统计数据集之外的差异

原核生物学、体细胞内和简单病人

针对病症病人的仅有原核生物筛查研究工作仅仅推断出了越来越多的病症特别基因，仅限于单核苷酸基因位点变异（SNVs）和原核生物热点。据研究工作估计，大约有70％的病症病举例确实是由于一种或多种性状心理因素导致的。即使仅仅有特别研究工作的值得注意案举例，但是现在尚不确实致病品系的验证将在何种素质上负面影响临床研究工作实践中会的病人决策。为了解决疑问这一知识鸿沟，一项正在展开的统计数据量化试验主旨相符难治特质病症极高血压的仅有原核生物测序的临床研究工作效用和形同本效用。

如果性状学知识要转化为不够好的病人工具，那么不够加充分地了解品系的机能就变得至关重要。为此，研究工作医务人员采行了宗教性的动物和细胞内病症仿真，将错误的基因弹出生物体的DNA中会。然后通过与对照或“野生型”状态展开比较来相符病理生物体学变化。

就病症而言，针对SCN1A基因突变（引发大多数Dret综合征病举例的基因30）的病症仿真研究工作已将抑制特质中会外脊髓元的钠离子连接处机能降低验证为病症特别的药学机制改变。这一推断出引发了对Dret综合征中会用药选择的重上新风险评估，并避开了钠离子连接处阻断用药的适用，因为它们确实进一步降低脊髓元机能从而引发病症癫痫加剧。

但是在大多数持续性下，由于现有病症仿真研究工作的局限特质，很多SNVs的致病机理尚不确实。如果要在病症病人中会尤其采行简单药学，那么被验证具有品系的极高血压不能接受快速检测；而且该品系还其所该用活体仿真展开核对，以风险评估其病理生物体必然和重现病症状态，并展开量身定制的用药病人测试和选择。

利用从极高血压自身细胞内抑制产生的多想像力体细胞内（iPSCs）利用人源脊髓元，可以紧密为基础极其理想的病症病症仿真。iPSCs不仅可携带极高血压自身的性状信息；而且可以生长或“分化”形同多种细胞内系，仅限于多种脑干亚型。

△ 多种脑干亚型

这些从极高血压细胞内都是以得到的脊髓仿真可以尤其用以研究工作品系导致的脊髓特别表型，举例如异常的脊髓元形态和神经细胞传递，这些都是宗教性的非脊髓病症仿真无国法实现的。该仿真也仅仅被用以鉴别可携带极高致病特质突变基因脊髓元的异常表型，如一时期发育特质造出血性。

基于iPSCs的病症仿真最独特的优势是并能研究工作品系的组合效其所（在单个极高血压中会验证造出的多个SNV）和基因损伤未知的持续性。然而，在基于iPSCs的仿真可用以临床研究工作病人在此之前，还有不能弥补重重困难。不能不够多的研究工作来断定过分活跃的脊髓网络表型（一个病症的临床研究工作基本特征）究竟可以在菌落从前重现；还不能不够多的研究工作来相符在这些活体仿真中会测得的磁社区活动与表征上观察到的病症的集磁社区活动之外的关联。

现在基于iPSCs的脊髓仿真有一个潜在局限特质，就是缺乏有限的细胞内适合于特质来建立病症的集社区活动。为了解决疑问这一疑问，研究工作医务人员将研究工作转向类脑肾脏（含有在中会枢脊髓管理系统中会推断出的多层细胞内和组织结构）。增加病症仿真的适合于特质对于恰当地模拟引发人类病症的各种细胞内类别和中会枢脊髓管理系统地带的机能障碍是至关重要的。此外，多磁极阵列可以据信网络化脊髓元的各派系相互作用，已被用以检测培养的类肾脏发造出的表征的集频谱。

基于iPSC的仿真可以无限期生长，而且不都会给极高血压造形同任何风险，因此它们对于在极高血压特定剧中会下展开生物技术挑选造出潜在用药极其重要；目的是验证造出上个人化的、有针对特质的抗病症用药。事实上这些仿真仅仅形同功地用以其他中会枢脊髓管理系统病症的生物技术用药挑选造出。这的集一个上个人化的、基于人源细胞内的用药挑选造出该平台可以弥补我们对宗教性啮齿类动物仿真的严重依赖；宗教性的啮齿动物仿真阻碍了抗病症用药的拓展；这也有助于暗示为什么三分之一以上的病症极高血压缺乏有效率的用药病人。

空无病症病人监管的将来

如果要实现空无的病症病人监管，不能将新科技退步与改善健康文化教育和得到比如说科看护机都会相为基础。不够进一步这些结果得造出结论仿真不仅都会对药学专家有价值，而且将可以帮助仅有科医生用它们对极高血压展开分类法以便尽早将其分诊至病症该中会心。

基于AI的临床研究工作决策大力支持仿真可以恰当地得造出结论每个抗病症用药对于个体极高血压的形同功病人的确实特质。这些仿真被变换为软件并得到美国食品药品监督监管局和其他监管机构的批准，统称“作为医疗设备的软件”类别。插件既可以单独适用也可以集形同到磁子疑为管理系统中会，并能通过现实中会的反馈来提极高特质能。它可以识别耐药特质病症一般而言极高血压，并能尽早、且有针对特质地获取昂贵的比如说科看护或开刀风险评估服务。插件被断定是经济有效率的，可用以优先亦需极高血压进到比如说科病症病人该中会心。

以上文章造出自 ： [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).