AI个体化癫痫治疗管理新时代丨Airdoc莫纳什研究中心最新文章

《the BMJ》-Brain Health（英国医学杂志脑身心健康专辑）10月刊发表了关于哮喘病患经营管理的最新研究者成果。此次研究者成果表明，机器研读的进步有望提供更为恰当的基本概念来预期哮喘群体病症的病患结果。同一般来说真核生物筛选和用到病症衍生的体细胞建立的有用癌症基本概念则会在今后将试错法换成为哮喘精细病患。本研究者由Airdoc Monash Research Center戈宗元博士制作团队联合莫纳什神经系统萎缩癌症研究者的当中心近日联合完成。

一个多世纪以来，哮喘病患一直是试错法。虽然有大略一般来说的本品选项指南，但药是否即便如此，只能用到后才知道，如果没效就要再无论如何下一种药，以此类推直到找到合适的病患步骤。因此迟到病患的病症不在少数。但此次Patrick Kwan(关国良)及室友探讨显然今后通过AI预期哮喘的发病，为病症匹配最适合的本品。

生命科学双向Transformers编码器(BioBERT)是最新的基于尺度研读技术的预先专业训练生命科学语法声称基本概念，主旨用作生命科学脚注的挖掘出任务。BioBERT公开发设计表于2020月底，它通过促进用到来自许多其他数据一般来说的非构造化数据，事例如射频身心健康记录和临床研究报告，来支持基本概念专业训练。结合强大的尺度研读三幅概率基本概念，这使得研究者医务人员可以在病患结果研究当中包括更为高一般而言且可能有用的文档，而传统习俗的统计研究则难以做到这一点。

病患底物的不确定性是主要疑虑

病患哮喘有许多本品以及非本品偏袒紧急措施，事例如切除切除术、神经系统调节和饮食疗法。然而，也就是说的病患经营管理基准仍然发挥作用循序无论如何有所不同的抗哮喘本品病患的试错法。虽然有基于哮喘发病大略一般来说（局灶性或同一般来说面性发病）的本品选项指南，但在分组研究时，许多本品兼具近似于的。对于任何给定的病症，难以预期哪种本品最合理并应被选为初始病患。尽管新药持续增长，消费市场上有20多种制剂，但有三分之一的病症的哮喘发病难以被抗哮喘本品控制。

在全球性许多之外，大多数新病患为哮喘的病症是由初级诊疗医师进行时病患的。如果在原本的病患当中难以控制哮喘发病，则将病症转诊给普通神经系统科学医师，如果实质性的本品病患不甘心，则将其转诊至哮喘的当中心。这种按部就班的医护路径反之亦然在哮喘专家学者评估可能兼具耐药性哮喘一般而言的病症之后，关键的小时早就失衡了。其他病患选项，事例如切除术，被国际上地显然是就此的手段。幸而的是，特别的小时拖延反之亦然这些病患手段可能效果不佳。结果往往是多年的生活运动速度下降，生产力下降和感染率缩减。

这一境地可能通过一种确实的、能找到病患结果与病症个人特质间特别联的模式的步骤来解决。耐药性哮喘一般而言的病症这样就可以被及早的分诊，从而尽快获得巨量的临床研究医学医护资源。人工智能（AI）和体细胞研究者的最新进展使人们寄想于哮喘异化病患经营管理将可能很快成为这种循序病患途径的必要性替代方案。

A：传统习俗试错病患法

BC：人工智能和体细胞异化病患经营管理

医学人工智能

机器研读正在聚焦在哮喘教育领域中的通过EEG透过计算机来预期和侦测哮喘的发病。最近的一项研究者用到了9571事例常规收集的头皮EEG记录来专业训练一个尺度神经系统网络，该算法在侦测发病期痫样放电方面优于专家学者。研究者医务人员还用到了基于小时序列的算法（事例如，在响应性神经系统刺激系统当中用到的线长算法）来研究受控的、持续获取的颅内EEG瞬时，以开发设计哮喘发病预警系统。如果在大规模临床研究试验当中证明合理，这种系统可以帮助病症预先防范并减少哮喘发病所引发的受伤。

生命科学双向Transformers编码器(BioBERT)是最新的基于尺度研读技术的预先专业训练生命科学语法声称基本概念，主旨用作生命科学脚注的挖掘出任务。BioBERT公开发设计表于2020月底，它通过促进用到来自许多其他数据一般来说的非构造化数据，事例如射频身心健康记录和临床研究报告，来支持基本概念专业训练。结合强大的尺度研读三幅概率基本概念，这使得研究者医务人员可以在病患结果研究当中包括更为高一般而言且可能有用的文档，而传统习俗的统计研究则难以做到这一点。

AI上的进步为构建确实的预期本品病患底物的基本概念带来了想。斯坦福哮喘的当中心的一项研究者正在开发设计AI基本概念根据参与者的哮喘发病，基因，物理，生理，本品和环境数据预期抗哮喘本品病患结果。用作预期本品病患底物的理想AI算法和可用数据在此之前还有待确定。因此，今后的研究者确实聚焦更为高科技、更为有用的三幅概率AI基本概念，并透过大型纵向哮喘登记数据，以便可以从病症的病历当中挖掘出同一般来说面的文档。这些研究者则会通过技术的发展自然语法处理工具来提炼非构造化数据来增强基本概念。

△ 专业训练的基本概念在有所不同的数据集上不加transfer learning做盲测

△ 有所不同cohort数据集之间的差异

真核生物学、体细胞和精细病患

针对哮喘病人的同一般来说真核生物筛查研究者早就发现了越来越多的哮喘特别基因，包括单碱基基因位点变异（SNVs）和真核生物热点。据研究者至少，大概有70％的哮喘流感可能是由于一种或多种基因因素惹来的。即使早就有特别研究者的典型案事例，但是在此之前尚不吻合病毒性基因变异的解剖将在何种程度上影响临床研究实践当中的病患议程。为了解决这一基本知识界限，一项正在进行时的系统性试验主旨确定难治性哮喘病症的同一般来说真核生物DNA的临床研究效用和效率品质。

如果基因学基本知识要转化为能够的病患步骤，那么更为加充分地了解基因变异的特性就变得至关重要。为此，研究者医务人员换用了传统习俗的食肉动物和细胞癌症基本概念，将错误的基因抽出生物体的DNA当中。然后通过与相符合或“野生型”静止状态进行时相对来确定病理生理学变动。

就哮喘而言，针对SCN1A变异（引发大多数Dret综合征流感的基因30）的癌症基本概念研究者已将抑制性当中间神经系统元的阳离子连接线特性增大表明为哮喘特别的病理学机制相反。这一发现引发了对Dret综合征当中本品选项的重新评估，并避免了阳离子连接线阻断本品的用到，因为它们可能实质性增大神经系统元特性从而引发哮喘发病加剧。

但是在大多数情况下，由于现有癌症基本概念研究者的显然，很多SNVs的病毒性成因尚不吻合。如果要在哮喘病患当中国际上换用精细医学，那么被表明兼具基因变异的病症必须接受快速侦测；而且该基因变异还确实用肾脏基本概念进行时检查，以评估其病理生理严重性和再现癌症静止状态，并进行时担纲个性化的本品病患测试和选项。

透过从病症自身细胞诱发造成了的多潜能体细胞（iPSCs）获取人源神经系统元，可以构建非常理想的哮喘癌症基本概念。iPSCs不仅可携带病症自身的基因文档；而且可以生长或“分立”成多种细胞系，包括多种神经系统细胞亚型。

△ 多种神经系统细胞亚型

这些从病症细胞衍生获得的神经系统基本概念可以国际上用作研究者基因变异惹来的神经系统特别特异性，事例如精神状态的神经系统元形态和神经元传达，这些都是传统习俗的非神经系统癌症基本概念难以发挥作用的。该基本概念也早就被用作鉴别可携带高病毒性性突变基因神经系统元的精神状态特异性，如早期愈合性性疾病。

基于iPSCs的癌症基本概念最独特的占优势是并能研究者基因变异的组合effect（在单个病症当中解剖出的多个SNV）和基因损伤未知的情况。然而，在基于iPSCs的基本概念可用作临床研究病患之后，还有必需克服重重困难。必需更为多的研究者来证明过度活跃的神经系统网络特异性（一个哮喘的临床研究特质）是否可以在黏附中的再现；还必需更为多的研究者来确定在这些肾脏基本概念当中测得的电社区活动与EEG上观察到的哮喘样电社区活动之间的关联。

在此之前基于iPSCs的神经系统基本概念有一个潜在显然，就是缺乏充分的细胞有用性来建立哮喘样社区活动。为了解决这一疑虑，研究者医务人员将研究者转向类脑脑部（所含在大脑当中发现的多层细胞和组织构造）。缩减癌症基本概念的有用性对于恰当地模拟引发人类哮喘的各种细胞一般来说和大脑区域的特性障碍是至关重要的。此外，多电极阵列可以记录网络化神经系统元的协调相互作用，已被用作侦测培养的类脑部发出的EEG样瞬时。

基于iPSC的基本概念可以延后生长，而且不则会给病症带来任何风险，因此它们对于在病症特定背景下进行时高通量筛选潜在本品非常重要；目的是解剖出新颖的、有具体来说的抗哮喘本品。事实上这些基本概念早就成功地用作其他当中枢神经系统系统癌症的高通量本品筛选。这样一个新颖的、基于人源细胞的本品筛选应用软件可以克服我们对传统习俗啮齿类食肉动物基本概念的严重依赖；传统习俗的啮齿食肉动物基本概念阻碍了抗哮喘本品的发展；这也有助于表述为什么三分之一以上的哮喘病症缺乏合理的本品病患。

异化哮喘病患经营管理的无论如何

如果要发挥作用异化的哮喘病患经营管理，必须将技术进步与提高身心健康教育和获得临床研究医学医护机则会为基础。今后这些结果预期基本概念不仅则会对专家学者有价值，而且将可以帮助同一般来说科医师用它们对病症进行时分类以便尽早将其分诊至哮喘的当中心。

基于AI的临床研究议程支持基本概念可以恰当地预期每个抗哮喘本品对于群体病症的成功病患的可能性。这些基本概念被转换为软件并获得美国制品药品监督经营管理局和其他监管机构机构的批准，属于“作为卫生保健电源的软件”类别。该软件既可以单独用到也可以功能强大到射频病历系统当中，并能通过现实当中的反馈来更为高性能。它可以识别耐药性哮喘一般而言病症，并能尽早、且有具体来说地提供价格低廉的临床研究医学医护或切除术评估服务。该软件被证明是经济合理的，可用作优先安排病症进入临床研究医学哮喘病患的当中心。

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).