AI个体化癫痫治疗管理新时代丨Airdoc莫纳什研究院最新论文

《the BMJ》-Brain Health（英国医学期刊脑心理健康专辑）10月刊公开发表了关于发病用药管理工作的同型式深入学术研究。此次深入学术研究确实，建模的进步有望获取不够准确的三维来得出结论发病生殖症状的用药结果。全基因组抽样和常用症状衍生的干肝细胞创建的复杂病症三维可能会在将会将试错法替换为发病精准用药。本深入研究由Airdoc Monash Research Center戈宗元哈佛大学一个团队联合莫纳什神经系统退化病症深入研究中的心近日联合完成。

一个多世纪以来，发病用药直至是试错法。虽然有大体型式的口服选项概要，但药否短时在在，仅仅常用后才明白，如果没效就要再尝试下一种药，以此类推直到认出合理的用药分析方法。因此受阻病程的症状则有。但此次Patrick Kwan(关国良)及同事深入探讨看来将会通过AI得出结论发病的发病，为症状最简单最简便的口服。

运用科学双向Transformers编码器(BioBERT)是同型式的基于广度学习技术的预先特训运用科学语种透露三维，有助于常用运用科学文本的发掘出来任务。BioBERT发表于2020年初，它通过有利于常用来自许多其他资料型式的非程式设计资料，可有如自旋心理健康详细描述和诊疗通报，来支持者三维特训。紧密结合薄弱的广度学习图概率三维，这使得深入研究职员可以在用药结果深入研究中的包含不够低粒度且可能简单的自旋邮件，而传统文化的统计深入研究则未能明白这一点。

用药反应的波动是主要弊端

用药发病有许多口服以及非口服干预措施，可有如切除术手术、神经系统闭环和饮食疗法。然而，当前的用药管理工作标准仍然举可有来说渐进尝试并不相同的抗发病口服用药的试错法。虽然有基于发病发病大体型式（局灶性或进一步性发病）的口服选项概要，但在配对深入研究时，许多口服不具相似的。对于任何等价的症状，未能得出结论哪种口服最必需并应被选为初始用药。尽管抗病毒激增，美国市场上有20多种镇静剂，但有三分之一的症状的发病发病未能被抗发病口服掌控。

在世界许多地方，大多数新诊断为发病的症状是由初级保健外科医生开展用药的。如果在最初的用药中的未能掌控发病发病，则将症状转诊给普通神经系统科主治医师，如果进一步的口服用药失败，则将其转诊至发病中的心。这种按部就班的医疗卫生同方向假定在发病技术职员评估可能不具敏感性发病避险的症状之后，关键的时在在已经流失了。其他用药选项，可有如手术，被较广地看来是就此的方法。可惜的是，系统性的时在在延后假定这些用药方法可能敏感度不佳。结果往往是多年的生活质量减少，生产力减少和死亡率减小。

这一处境可能通过一种简单的、能认出用药结果与症状与生俱来并不相同之处在在相系统性联的模式的分析方法来消除。敏感性发病避险的症状这由此可知就可以被及早的分诊，从而尽快获他所的高职医疗卫生资源。人工智能（AI）和干肝细胞深入研究的同型式进展使人们一如既往发病生殖化用药管理工作将可能很快成为这种渐进用药途径的可行性替代可行性。

A：传统文化试错用药法

BC：人工智能和干肝细胞生殖化用药管理工作

医学人工智能

建模准备探索在发病领域内都通过脑铁图模式标识来得出结论和样品发病的发病。最近的一项深入研究常用了9571可有常规抽取的鞋子脑铁图详细描述来特训一个广度数据分析，该启发式在样品发病期痫由此可知放铁方面高于技术职员。深入研究职员还常用了基于时在在序列的启发式（可有如，在响应性神经系统激发该系统中的常用的2路启发式）来深入研究发挥作用的、长时间获取的颅内脑铁图回波，以开发发病发病预警该系统。如果在大规模诊疗测试中的表明必需，这种该系统可以帮助症状预先防范并减小发病发病所引发的烧伤。

运用科学双向Transformers编码器(BioBERT)是同型式的基于广度学习技术的预先特训运用科学语种透露三维，有助于常用运用科学文本的发掘出来任务。BioBERT发表于2020年初，它通过有利于常用来自许多其他资料型式的非程式设计资料，可有如自旋心理健康详细描述和诊疗通报，来支持者三维特训。紧密结合薄弱的广度学习图概率三维，这使得深入研究职员可以在用药结果深入研究中的包含不够低粒度且可能简单的自旋邮件，而传统文化的统计深入研究则未能明白这一点。

AI上的进步为重构简单的得出结论口服用药反应的三维带给了希望。斯坦福发病中的心的一项深入研究准备开发AI三维根据旁观者的发病发病，表型，物理，生理，口服和环境资料得出结论抗发病口服用药结果。常用得出结论口服用药反应的平庸AI启发式和回传资料以外还有待明确。因此，将会的深入研究应该探索不够先进设备、不够复杂的图概率AI三维，并能用大型纵向发病申请资料，以便可以从症状的基本资料中的发掘出来进一步的自旋邮件。这些深入研究可能会通过运用词法消除弊端工具来提取非程式设计资料来增强三维。

△ 特训的三维在并不相同的资料集上不加transfer learning做盲测

△ 并不相同cohort资料集之在在的歧异

基因组学、干肝细胞和精准用药

针对发病病人的全基因组SNP深入研究已经注意到了越来越多的发病系统性基因组，包含单多肽基因组位点人体内（SNVs）和基因组热点。据深入研究推估，大约有70％的发病病可有可能是由于一种或多种表型因素引来的。即使已经有系统性深入研究的典型案可有，但是以外尚不确切致病突变的断定将在何种程度上影响诊疗实践中的的用药决策。为了解到决这一知识两者之在在，一项准备开展的随机折衷测试有助于明确难治性发病症状的全基因组基因组的诊疗功用和成本效益。

如果生态学知识要转成为不够好的用药分析方法，那么不够加充分地了解到突变的特性就越发至关重要。为此，深入研究职员有别于了传统文化的哺乳类和肝细胞病症三维，将错误的基因组插入生物体的DNA中的。然后通过与折衷或“野生型”状况开展比较来明确病变生理学变化。

就发病而言，针对SCN1A基因组突变（引发大多数Dret综合征病可有的基因组30）的病症三维深入研究已将抑制性中的在在轴突的钠离子连接处特性减小确看来发病系统性的病变学机制变动。这一注意到引发了对Dret综合征中的口服选项的重新评估，并尽量避免了钠离子连接处阻断口服的常用，因为它们可能进一步减小轴突特性从而引发发病发病加剧。

但是在大多数情况下，由于现有病症三维深入研究的相比较，很多SNVs的致病机理尚不确切。如果要在发病用药中的较广有别于精准医学，那么被确认不具突变的症状须要接纳快速样品；而且该突变还应该用体内三维开展检验，以评估其病变生理后果和重现病症状况，并开展量身定制的口服用药测试和选项。

能用从症状自身肝细胞诱导归因于的多潜能干肝细胞（iPSCs）获取人源轴突，可以重构更加平庸的发病病症三维。iPSCs不仅运载症状自身的表型自旋邮件；而且可以多见于或“分裂”成多种肝细胞系，包含多种神经系统肝细胞免疫球蛋白。

△ 多种神经系统肝细胞免疫球蛋白

这些从症状肝细胞衍生获的神经系统三维可以较广常用深入研究突变引来的神经系统系统性表型，可有如出现异常的轴突基本上和突触发送至，这些都是传统文化的非神经系统病症三维未能实现的。该三维也已经被常用辨别运载低致病性突变基因组轴突的出现异常表型，如晚期胚胎发育性脑病。

基于iPSCs的病症三维最独特的优势是尽可能深入研究突变的组合效应（在单个症状中的断定出的多个SNV）和基因组损伤未知的情况。然而，在基于iPSCs的三维可常用诊疗用药之后，还有必需消除难关。必需不够多的深入研究来表明以致于活跃的数据分析表型（一个发病的诊疗并不相同之处）否可以在菌落内都重现；还必需不够多的深入研究来明确在这些体内三维中的测得的铁社区活动与脑铁图上判读到的发病由此可知铁社区活动之在在的系统性联。

以外基于iPSCs的神经系统三维有一个潜在相比较，就是缺乏足够的肝细胞简单化来创建发病由此可知社区活动。为了解到决这一弊端，深入研究职员将深入研究继续发展类脑肾脏（成分在大脑中的注意到的多层肝细胞和组织起来在结构上）。减小病症三维的简单化对于准确地模拟引发人类发病的各种肝细胞型式和大脑区域的特性障碍是至关重要的。此外，多铁阻阵列可以详细描述网络化轴突的协调相互作用，已被常用样品人才培养的类肾脏收到的脑铁图由此可知回波。

基于iPSC的三维可以延期多见于，而且就会给症状带给任何风险，因此它们对于在症状特定或多或少下开展基因组抽样潜在口服更加重要；目的是断定出独树一格的、有系统性的抗发病口服。事实上这些三维已经急于地常用其他中的枢神经系统该系统病症的基因组口服抽样。这由此可知一个独树一格的、基于人源肝细胞的口服抽样运用软件可以消除我们对传统文化啮齿类哺乳类三维的不堪重负依赖；传统文化的啮齿哺乳类三维阻碍了抗发病口服的发展；这也有助于说明为什么三分之一以上的发病症状缺乏必需的口服用药。

生殖化发病用药管理工作的将来

如果要实现生殖化的发病用药管理工作，须要将技术进步与强化心理健康教育和获高职医疗卫生从中相紧密结合。将会这些结果得出结论三维不仅会对技术职员有价值，而且将可以帮助全科外科医生用它们对症状开展分类以便急于将其分诊至发病中的心。

基于AI的诊疗决策支持者三维可以准确地得出结论每个抗发病口服对于生殖症状的急于用药的可能性。这些三维被转换为软件并获美国食品药品监督管理工作局和其他监管该机构的首肯，属于“作为医疗卫生设备的软件”几类。该软件既可以单独常用也可以重构到自旋基本资料该系统中的，并能通过现实生活中的的反馈来提低稳定性。它可以标识敏感性发病避险症状，并能急于、且有系统性地获取昂贵的高职医疗卫生或手术评估服务。该软件被表明是经济必需的，可常用优先安排症状进入高职发病用药中的心。

以上文章出自 ： [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).