AI个体化癫痫治疗法管理新时代丨Airdoc莫纳什研究中心最新论文

《the BMJ》-Brain Health（英国之中医杂志脑卫生专辑）10创刊号发表了关于痉挛化疗管理机构的同类型近分析成果。此次分析成果暗示，机器修习的突飞猛进有望提供更是正确地的数学辅助工具律条文来预见痉挛母体病变的化疗结果。以外序列抽样和常用病变衍生的干线粒体建立联系的复杂病因数学辅助工具律条文可能会会在期望将试错法律条文替换为痉挛得心应将手化疗。本分析由Airdoc Monash Research Center戈宗元博士团队建立联系联系莫纳什脑退化病因分析之教育中心亦同建立联系联系完成。

一个多世纪以来，痉挛化疗一直是试错法律条文。虽然有大体特连续性的本品并不需要读物，但止痛是否相比之下，不用常用后才明白，如果没效就要再试绘出下一种止痛，倍数直到找寻精确的化疗辅助工具律条文。因此耽误病程的病变不在少数。但此次Patrick Kwan(关国良)及威尔森探讨显然期望通过AI预见痉挛的心脏病，为病变意味着最适合的本品。

生物之中医双向Transformers编码方式(BioBERT)是同类型近的基于剖面修习技术的预先特训生物之中医语法表示数学辅助工具律条文，旨在运用于生物之中医文本的采石场任务。BioBERT发表于2020年初，它通过推动常用来自许多其他C#的非标准化绘出表，则有如静电卫生记录下来和诊断年度报告，来赞同数学辅助工具律条文特训。转化强大的剖面修习绘出概率数学辅助工具律条文，这使得分析部门可以在化疗结果分析之中最主要更是高粒度且可能会精确的信息，而习惯的绘出表则必需律条文能用这一点。

化疗自由基将的不断定连续性是主要情况

化疗痉挛有许多本品以及非本品干涉紧急措施，则有如切除外科手术、脑恒定和饮食疗法律条文。然而，当前的化疗管理机构标准一直依赖连续性于都能试绘出各有不同的抗痉挛本品化疗的试错法律条文。虽然有基于痉挛心脏病大体特连续性（局灶连续性或以外面连续性心脏病）的本品并不需要读物，但在倍数分析时，许多本品很强相似的。对于任何给定的病变，必需律条文预见哪种本品最直接并应将被选为初始化疗。尽管新近止痛激增，市场上有20多种毒物，但有三分之一的病变的痉挛心脏病必需律条文被抗痉挛本品掌控。

在世界连续性许多地方，大多数新近诊断为痉挛的病变是由初级医疗卫生医生展开化疗的。如果在最初的化疗之中必需律条文掌控痉挛心脏病，则将病变转诊给普通脑科医师，如果大幅度的本品化疗失败，则将其转诊至痉挛之教育中心。这种按部就班的医疗路径意味着在痉挛医学专家风险评估可能会很强耐止痛连续性痉挛自愿连续性的病变之前，关键的星期已经萎缩了。其他化疗并不需要，则有如外科手术，被尤其地显然是最后的策略。可惜的是，具体的星期拖延意味着这些化疗策略可能会效果不佳。结果往往是多年的生活习惯低质量回升，生产成本回升和死亡率减小。

这一困境可能会通过一种精确的、能找寻化疗结果与病变个人相似连续性之间具体连连续性的模式的辅助工具律条文来妥善解决。耐止痛连续性痉挛自愿连续性的病变这所发就可以被及早的分诊，从而尽快取得宝贵的专科医疗能源。人工智慧（AI）和干线粒体分析的同类型近进展使人们早先痉挛母体化化疗管理机构将可能会不久成为这种都能化疗途径的周围环境影响替代提议。

A：习惯试错化疗法律条文

BC：人工智慧和干线粒体母体化化疗管理机构

之中医人工智慧

机器修习正试绘出冒险在痉挛应将用领域从前通过脑细胞机器修习来预见和检验痉挛的心脏病。不太可能的一项分析常用了9571则有常规收集的外套脑细胞记录下来来特训一个剖面脑网络，该插值在检验心脏病期痫所发放电方面要强医学专家。分析部门还常用了基于星期序列的插值（则有如，在自发连续性脑刺激的系统之中常用的线长插值）来分析正因如此的、不之间断利用的功能障碍脑细胞信号，以技术开发痉挛心脏病预警的系统。如果在大规模乳癌之中断定直接，这种的系统可以帮助病变预先防范并减小痉挛心脏病所随之而来的伤势。

生物之中医双向Transformers编码方式(BioBERT)是同类型近的基于剖面修习技术的预先特训生物之中医语法表示数学辅助工具律条文，旨在运用于生物之中医文本的采石场任务。BioBERT发表于2020年初，它通过推动常用来自许多其他C#的非标准化绘出表，则有如静电卫生记录下来和诊断年度报告，来赞同数学辅助工具律条文特训。转化强大的剖面修习绘出概率数学辅助工具律条文，这使得分析部门可以在化疗结果分析之中最主要更是高粒度且可能会精确的信息，而习惯的绘出表则必需律条文能用这一点。

AI上的突飞猛进为协作精确的预见本品化疗自由基将的数学辅助工具律条文带给了希望。斯坦福痉挛之教育中心的一项分析正试绘出技术开发AI数学辅助工具律条文根据参与者的痉挛心脏病，基因，物理，生理自由基将，本品和周围环境绘出表预见抗痉挛本品化疗结果。运用于预见本品化疗自由基将的单纯AI插值和输入绘出表迄今为止还有待断定。因此，期望的分析应将该冒险更是先进、更是复杂的绘出概率AI数学辅助工具律条文，并运用大型横向痉挛登记绘出表，以便可以从病变的病历之中采石场以外面的信息。这些分析可能会会通过应将用自然语法解决情况辅助工具来提取非标准化绘出表来增强数学辅助工具律条文。

△ 特训的数学辅助工具律条文在各有不同的绘出表集上用意transfer learning做盲测

△ 各有不同cohort绘出表集之之间的差异

分子生物学、干线粒体和得心应将手化疗

针对痉挛病人的以外序列筛查分析已经见到了越来越多的痉挛具体基因序列，最主要单核苷酸基因序列残基母体差异（SNVs）和序列近来。据分析估计值，大约有70％的痉挛个案可能会是由于一种或多种基因因素造成了的。即使已经有具体分析的类似于案则有，但是迄今为止尚能不正确病因基因母体差异的认定将在何种程度上不良影响诊断实践之中的化疗协调。为了妥善解决这一基本知识鸿沟，一项正试绘出展开的随机折衷试验旨在断定难治连续性痉挛病变的以外序列序列的诊断效用和成本效益。

如果基因学家基本知识要转化为更是好的化疗辅助工具律条文，那么更是加充分地认识到基因母体差异的动态就来得至关重要。为此，分析部门有别于了习惯的昆虫和线粒体病因数学辅助工具律条文，将误判的基因序列插入化学物质的DNA之中。然后通过与折衷或“野生型”平衡状态展开比较来断定病理生理自由基将学变化。

就痉挛而言，针对SCN1A基因序列突变（随之而来大多数Dret囊肿个案的基因序列30）的病因数学辅助工具律条文分析已将抑制连续性之中之间脑元的血红素闸口动态减缓认定为痉挛具体的生物化学机制偏离。这一见到随之而来了对Dret囊肿之中本品并不需要的重新近风险评估，并避免了血红素闸口阻断本品的常用，因为它们可能会大幅度减缓脑元动态从而随之而来痉挛心脏病加剧。

但是在大多数情况，由于这两项病因数学辅助工具律条文分析的局限连续性，很多SNVs的病因特异连续性尚能不正确。如果要在痉挛化疗之中尤其有别于得心应将手之中医，那么被认定很强基因母体差异的病变必须接受快速检验；而且该基因母体差异还应将该用体外数学辅助工具律条文展开检查，以风险评估其病理生理自由基将后果和带入病因平衡状态，并展开量身定制的本品化疗测试和并不需要。

运用从病变自身线粒体诱导产生的多想像力干线粒体（iPSCs）利用人源脑元，可以协作非常单纯的痉挛病因数学辅助工具律条文。iPSCs不仅装载病变自身的基因信息；而且可以栖息于或“发挥作用”成多种线粒体系，最主要多种脑线粒体免疫球蛋白。

△ 多种脑线粒体免疫球蛋白

这些从病变线粒体衍生取得的脑数学辅助工具律条文可以尤其运用于分析基因母体差异造成了的脑具体连续性状，则有如异常的脑元基本上和突触传输，这些都是习惯的非脑病因数学辅助工具律条文必需律条文做到的。该数学辅助工具律条文也已经被运用于鉴别装载高病因连续性突变基因序列脑元的异常连续性状，如早期发育连续性脑病。

基于iPSCs的病因数学辅助工具律条文最独有的优势是必需分析基因母体差异的组合现象将（在单个病变之中认定出的多个SNV）和基因序列破损未知的情况。然而，在基于iPSCs的数学辅助工具律条文可运用于诊断化疗之前，还有需要摆脱重重困难。需要更是多的分析来断定过度活跃的脑网络连续性状（一个痉挛的诊断相似连续性）是否可以在养成皿从前带入；还需要更是多的分析来断定在这些体外数学辅助工具律条文之中测得的电活动与脑细胞上辨别到的痉挛所发电活动之之间的关连连续性。

迄今为止基于iPSCs的脑数学辅助工具律条文有一个潜在局限连续性，就是缺乏必需的线粒体一致连续性来建立联系痉挛所发活动。为了妥善解决这一情况，分析部门将分析转向类脑器官（含有在人脑之中见到的多层线粒体和秘密组织结构）。减小病因数学辅助工具律条文的一致连续性对于正确地地模拟随之而来生物痉挛的各种线粒体特连续性和人脑区域的动态障碍是至关重要的。此外，多电极缓冲器可以记录下来网络化脑元的协调相互作用，已被运用于检验养成的类器官发来的脑细胞所发信号。

基于iPSC的数学辅助工具律条文可以无限期栖息于，而且不会给病变带给任何风险，因此它们对于在病变特定背景下展开高通量抽样潜在本品非常重要；目的是认定出新近颖的、有计划连续性的抗痉挛本品。事实上这些数学辅助工具律条文已经顺利地运用于其他之中枢脑的系统病因的高通量本品抽样。这所发一个新近颖的、基于人源线粒体的本品抽样SDK可以摆脱我们对习惯豚鼠数学辅助工具律条文的严重依赖连续性；习惯的灵长类昆虫数学辅助工具律条文促使了抗痉挛本品的发展；这也有助于解释为什么三分之一以上的痉挛病变缺乏直接的本品化疗。

母体化痉挛化疗管理机构的今后

如果要做到母体化的痉挛化疗管理机构，必须将技术突飞猛进与有所改善卫生英语教育和取得专科医疗良机相转化。期望这些结果预见数学辅助工具律条文不仅会对医学专家有价值，而且将可以帮助以外科医生用它们对病变展开分类以便尽早将其分诊至痉挛之教育中心。

基于AI的诊断协调赞同数学辅助工具律条文可以正确地地预见每个抗痉挛本品对于母体病变的顺利化疗的可能会连续性。这些数学辅助工具律条文被变换为软件包并取得旧金山食品止痛品监督管理机构局和其他监管机构的批准，属于“作为医疗卫生设备的软件包”类别。该软件包既可以单独常用也可以集成到静电病历的系统之中，并能通过现实之中的反馈来减小效能。它可以定位耐止痛连续性痉挛自愿连续性病变，并能尽早、且有计划连续性地提供昂贵的专科医疗或外科手术风险评估服务于。该软件包被断定是经济直接的，可运用于优先安排病变进入专科痉挛化疗之教育中心。

以上篇名出自 ： [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).