AI个体化癫痫治疗负责管理新时代丨Airdoc莫纳什研究中心最新论文

《the BMJ》-Brain Health（爱尔兰医学杂志脑心理健康专辑）10月刊发表了关于痉挛外科切除术管理制度的最原先研究者成果。此次研究者成果说明了，机器修习的飞跃有望得到不够精确的假设来得出结论痉挛个体症状的外科切除术结果。全都基因组组选取和运用于症状衍生的干蛋白质建立的复杂传染病假设也许会在愿景将试错国法移除为痉挛精确外科切除术。本研究者由Airdoc Monash Research Center戈宗元博士团队联合莫纳什神经系统撕裂传染病研究者之的中心近日联合顺利完成。

一个多世纪以来，痉挛外科切除术长期是试错国法。虽然有大体类型的口服选项最原先，但药否发挥作用，不能运用于后才知道，如果没效就要再尝试下一种药，类推直到找出恰当的外科切除术方式。因此紧迫病症的症状不在少数。但此次Patrick Kwan(关国良)及朋友探讨认为愿景通过AI得出结论痉挛的中风，为症状冗余最适合的口服。

生命科学双向Transformers编码器(BioBERT)是最原先的基于深修习的电子技术的必需训练生命科学词汇透露假设，旨在运用于生命科学句法的掘出战斗任务。BioBERT发布于2020年末，它通过作出贡献运用于来自许多其他；也本类型的非程式设计；也本，例如和光子心理健康记录下来和临床研究研究报告，来支持假设训练。为基础强劲的深修习示意图概率假设，这使得研究者人员可以在外科切除术结果量化之中仅限于不够较低粒度且也许依赖于的资讯，而传统文化的统计量化则很难显然这一点。

外科切除术自由基的不已确定性是主要问题

外科切除术痉挛有许多口服以及非口服插手举措，例如切除术切除术、神经系统调节和饮食疗国法。然而，当前的外科切除术管理制度标准几乎依赖于方式在尝试有所不同的抗痉挛口服外科切除术的试错国法。虽然有基于痉挛中风大体类型（局灶性或全都面性中风）的口服选项最原先，但在以此类推量化时，许多口服不具备相似的。对于任何任意的症状，很难得出结论哪种口服最合理并应选为初始外科切除术。尽管原先药激增，市场上有20多种药剂，但有三分之一的症状的痉挛中风很难被抗痉挛口服控制。

在世上许多之外，大多数原先病患为痉挛的症状是由初级照护医生透过外科切除术的。如果在以前的外科切除术之中很难控制痉挛中风，则将症状转诊给普通神经系统科牙医，如果进一步的口服外科切除术失败，则将其转诊至痉挛之的中心。这种按部就班的护理人员路径这；也一来在痉挛科学家评量也许不具备特异性痉挛较低安全都性的症状之后，关键的小时早已流失了。其他外科切除术选项，例如切除术，被较广地认为是最后的技术手段。但他却的是，控制系统性的小时拖延这；也一来这些外科切除术技术手段也许效果不佳。结果往往是多年的贫困质量上升，工商业的发展上升和死亡率减少。

这一困境也许通过一种可靠的、能找出外科切除术结果与症状个人特征除此以外控制系统性联的模式的方式来彻底解决。特异性痉挛较低安全都性的症状这；也就可以被及早的分诊，从而尽快取得巨量的医学院护理人员资源。AI（AI）和干蛋白质研究者的最原精密展使人们一如既往痉挛个体化外科切除术管理制度将也许很快已是这种方式在外科切除术途径的有效性替代方案。

A：传统文化试错外科切除术国法

BC：AI和干蛋白质个体化外科切除术管理制度

医学AI

机器修习打算探讨在痉挛领域里通过脑和光示意图模式识别来得出结论和侦测痉挛的中风。最近的一项研究者运用于了9571例常规收集的肩膀脑和光示意图记录下来来训练一个深建模，该线性在侦测中风期痫；也可控方面优于科学家。研究者人员还运用于了基于小时序列的线性（例如，在叛离性神经系统抑制控制系统之中运用于的该线线性）来量化受控的、停滞得到的外周脑和光示意图回波，以研发痉挛中风预警控制系统。如果在大规模临床研究试验之中证明合理，这种控制系统可以帮助症状必需防范并减少痉挛中风所引发的受伤。

生命科学双向Transformers编码器(BioBERT)是最原先的基于深修习的电子技术的必需训练生命科学词汇透露假设，旨在运用于生命科学句法的掘出战斗任务。BioBERT发布于2020年末，它通过作出贡献运用于来自许多其他；也本类型的非程式设计；也本，例如和光子心理健康记录下来和临床研究研究报告，来支持假设训练。为基础强劲的深修习示意图概率假设，这使得研究者人员可以在外科切除术结果量化之中仅限于不够较低粒度且也许依赖于的资讯，而传统文化的统计量化则很难显然这一点。

AI上的飞跃为构建可靠的得出结论口服外科切除术自由基的假设带来了决心。斯坦福痉挛之的中心的一项研究者打算研发AI假设根据参与者的痉挛中风，遗传，物理，生理，口服和生存环境；也本得出结论抗痉挛口服外科切除术结果。运用于得出结论口服外科切除术自由基的理想AI线性和转换；也本在此之后还有待已确定。因此，愿景的研究者应探讨不够精密、不够复杂的示意图概率AI假设，并利用大型垂直痉挛登记；也本，以便可以从症状的出有之中掘出全都面的资讯。这些研究者也许会通过应用自然词汇管控工具来合成非程式设计；也本来弱化假设。

△ 训练的假设在有所不同的；也本集上不加transfer learning做盲测

△ 有所不同cohort；也本集之除此以外的差异

生物学、干蛋白质和精确外科切除术

针对痉挛病人的全都基因组组筛查研究者早已见到了越来越多的痉挛控制系统性基因组，仅限于单核苷酸基因组基因座变异（SNVs）和基因组组热点。据研究者少于，至少有70％的痉挛发生率也许是由于一种或多种遗传因素引发的。即使早已有控制系统性研究者的相比较案例，但是在此之后已为不清楚感染性基因型的核对将在何种程度上阻碍临床研究实践之中的外科切除术执行者。为了彻底解决这一科学知识鸿沟，一项打算透过的随机印证试验旨在已确定难治性痉挛症状的全都基因组组测序的临床研究单单和成本效益。

如果遗传学科学知识要转已是不够好的外科切除术方式，那么不够加充分地明了基因型的功能性就更加至关重要。为此，研究者人员转用了传统文化的动物和蛋白质传染病假设，将情况下严重错误的基因组填充生物体的DNA之中。然后通过与印证或“野生型”长小时透过更为来已确定病理生理学叠加。

就痉挛而言，针对SCN1A基因组突变（引发大多数Dret性疾病发生率的基因组30）的传染病假设研究者已将抑制性之中除此以外神经系统元的钾离子通道功能性降低获知为痉挛控制系统性的法医学机制改变。这一见到引发了对Dret性疾病之中口服选项的重原先评量，并避免了钾离子通道阻断口服的运用于，因为它们也许进一步降低神经系统元功能性从而引发痉挛中风助长。

但是在大多数前提，由于现有传染病假设研究者的即便如此，很多SNVs的感染性自由基机理已为不清楚。如果要在痉挛外科切除术之中较广转用精确医学，那么被获知不具备基因型的症状必须接受快速侦测；而且该基因型还应用体外假设透过定期检查，以评量其病理生理后果和重现传染病长小时，并透过杨丞琳自带的口服外科切除术测试和选项。

利用从症状自身蛋白质诱导造成了的多潜能干蛋白质（iPSCs）得到人源神经系统元，可以构建非常理想的痉挛传染病假设。iPSCs不仅携带症状自身的遗传资讯；而且可以生长或“发挥作用”成多种蛋白质系，仅限于多种骨骼肌HIV-。

△ 多种骨骼肌HIV-

这些从症状蛋白质衍生取得的神经系统假设可以较广运用于研究者基因型引发的神经系统控制系统性表型，例如除此以外歇性的神经系统元形态和神经系统传递，这些都是传统文化的非神经系统传染病假设很难显然的。该假设也早已被运用于判别携带较低免疫力突变基因组神经系统元的除此以外歇性表型，如后期发育性脑病。

基于iPSCs的传染病假设最独特的占优是并不需要研究者基因型的组合成畸变（在单个症状之中核对出的多个SNV）和基因组损伤不得而知的情况下。然而，在基于iPSCs的假设可运用于临床研究外科切除术之后，还有并不需要抛开重重困难。并不需要不够多的研究者来证明过度为人所知的建模表型（一个痉挛的临床研究特征）否可以在培养皿里重现；还并不需要不够多的研究者来已确定在这些体外假设之中测得的和光大型活动与脑和光示意图上观察到的痉挛；也和光大型活动之除此以外的关联。

在此之后基于iPSCs的神经系统假设有一个潜在即便如此，就是不足足以的蛋白质复杂性来建立痉挛；也大型活动。为了彻底解决这一问题，研究者人员将研究者转回类脑循环系统（含在大脑之中见到的多层蛋白质和许多组织结构）。减少传染病假设的复杂性对于精确地仿真引发人类痉挛的各种蛋白质类型和大脑区域的功能性障碍是至关重要的。此外，多和光极一组可以记录下来信息化神经系统元的协商相互作用，已被运用于侦测培养的类循环系统发出的脑和光示意图；也回波。

基于iPSC的假设可以无限期生长，而且不会给症状带来任何安全都性，因此它们对于在症状特定取材下透过数据管控选取潜在口服非常重要；目的是核对出原先颖的、有针对性的抗痉挛口服。事实上这些假设早已事与愿违地运用于其他骨骼肌传染病的数据管控口服选取。这；也一个原先颖的、基于人源蛋白质的口服选取平台可以抛开我们对传统文化啮齿类动物假设的情况下严重依赖；传统文化的野猫假设妨碍了抗痉挛口服的发展；这也最大限度暗示为什么三分之一以上的痉挛症状不足合理的口服外科切除术。

个体化痉挛外科切除术管理制度的短期内

如果要显然个体化的痉挛外科切除术管理制度，必须将的电子技术飞跃与改善心理健康教育和取得医学院护理人员机会相为基础。愿景这些结果得出结论假设不仅会对科学家有价值，而且将可以帮助全都科医生用它们对症状透过分类以便早日将其分诊至痉挛之的中心。

基于AI的临床研究执行者支持假设可以精确地得出结论每个抗痉挛口服对于个体症状的事与愿违外科切除术的也许性。这些假设被转换为软件并取得爱尔兰食品药品监督管理制度局和其他监管机构的批准，属于“作为医疗设备的软件”类别。该软件既可以单独运用于也可以集成到和光子出有控制系统之中，并能通过本质之中的一个控制系统来大大提较低耐用性。它可以识别特异性痉挛较低安全都性症状，并能早日、且有针对性地得到昂贵的医学院护理人员或切除术评量服务。该软件被证明是工商业合理的，可运用于原则上商量症状带入医学院痉挛外科切除术之的中心。

以上短文所写 ： [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).