AI个体化癫痫治疗管理新时代丨Airdoc莫纳什研究中心最新学术著作

《the BMJ》-Brain Health（英国外科杂志脑身体健康新专辑）10刊物发表了关于很低血压治疗例管理制度的最近研究课题并成果。此次研究课题并成果表明，数据采石场的飞跃有望提供者愈来愈确切的框架来预测很低血压形态很低血压的治疗例结果。全部都是遗传学物质组选取和运用于很低血压衍生的骨髓膜成立的有用疾病框架可能才会在未来才会将试错例替换为很低血压简单治疗例。本研究课题由Airdoc Monash Research Center戈宗元博士团队共同莫纳什骨骼肌退化疾病研究课题中才会心近日共同完并成。

一个多世纪以来，很低血压治疗例一直是试错例。虽然有大体各种类型的类固醇自由选择读物，但药确实见效，不能运用于后才告诉，如果没效就要再行试图下一种药，以此类推直到找到合适的治疗例工具。因此耽误发病的很低血压不在少数。但此次Patrick Kwan(关国良)及合作者论述认为未来才会通过AI预测很低血压的很低烧，为很低血压匹配最适合的类固醇。

工程学双向Transformers类比(BioBERT)是最近的基于深学习带铁粒子技术的事前训练工程学第二语言表示框架，目的运用于工程学句例的采石场侦查。BioBERT发布于2020下半年，它通过促成运用于来自许多其他图表各种类型的非内部结构化图表，则有如带铁粒子身体健康就有和外科调查报告，来支持框架训练。结合弱小的深学习图随机性框架，这使得研究课题工作人员可以在治疗例结果系统普遍性中才会有数愈来愈很低粒度且可能简便的接收者，而宗教性的抽样则无例做到这一点。

治疗例反其所的不相符普遍性是主要难题

治疗例很低血压有许多类固醇以及非类固醇干预措施，则有如切除切除术、骨骼肌调节和饮食疗例。然而，当前的治疗例管理制度标准仍然具体来说方式在试图有所不同的抗很低血压类固醇治疗例的试错例。虽然有基于很低血压很低烧大体各种类型（局灶普遍性或系统普遍性很低烧）的类固醇自由选择读物，但在分组系统普遍性时，许多类固醇有着相似的。对于任何给定的很低血压，无例预测哪种类固醇最理论上并其所被选为初始治疗例。尽管新药激增，消费市场上有20多种理论上成分，但有三分之一的很低血压的很低血压很低烧无例被抗很低血压类固醇控制。

在在世界上许多地方，大多数新诊断为很低血压的很低血压是由初级诊疗卫生医生完成治疗例的。如果在最初的治疗例中才会无例控制很低血压很低烧，则将很低血压转诊给普通骨骼肌科医师，如果有利于的类固醇治疗例失败，则将其转诊至很低血压中才会心。这种按部就班的医护路径意味着在很低血压技术人员分析报告可能有着耐药普遍性很低血压很低风险的很低血压在此之后，关键的一段时间已经外流了。其他治疗例自由选择，则有如切除术，被最常地认为是最后的意图。但他却的是，方面的一段时间拖延意味着这些治疗例意图可能精准度不佳。结果往往是多年的家庭质量急剧下降，生产力急剧下降和感染率增加。

这一无助可能通过一种有用的、能找到治疗例结果与很低血压个人特征间方面联的模式的工具来克服。耐药普遍性很低血压很低风险的很低血压这样就可以被仍要的分诊，从而尽快取得巨量的专科医护自然资源。人工智能（AI）和骨髓膜研究课题的最近进展使人们寄希望于很低血压源泉治疗例管理制度将可能迅速并成为这种方式在治疗例途径的可行替代方案。

A：宗教性试错治疗例例

BC：人工智能和骨髓膜源泉治疗例管理制度

外科人工智能

数据采石场早就探索在很低血压领域里通过出新有模式定位来预测和检验很低血压的很低烧。最近的一项研究课题运用于了9571则有如前所述收集的头皮出新有就有来训练一个深骨骼肌网络，该算例在检验很低烧期痫样放铁方面优于技术人员。研究课题工作人员还运用于了基于一段时间序列的算例（则有如，在响其所普遍性骨骼肌刺激系统中才会运用于的线长算例）来系统普遍性借助于的、持续获取的颅内出新有频率，以整合很低血压很低烧系统。如果在大规模外科实验中才会证明理论上，这种系统可以为了让很低血压事前防范并减少很低血压很低烧所避免的受伤。

工程学双向Transformers类比(BioBERT)是最近的基于深学习带铁粒子技术的事前训练工程学第二语言表示框架，目的运用于工程学句例的采石场侦查。BioBERT发布于2020下半年，它通过促成运用于来自许多其他图表各种类型的非内部结构化图表，则有如带铁粒子身体健康就有和外科调查报告，来支持框架训练。结合弱小的深学习图随机性框架，这使得研究课题工作人员可以在治疗例结果系统普遍性中才会有数愈来愈很低粒度且可能简便的接收者，而宗教性的抽样则无例做到这一点。

AI上的飞跃为重构有用的预测类固醇治疗例反其所的框架带来了希望。斯坦福很低血压中才会心的一项研究课题早就整合AI框架根据组织者的很低血压很低烧，遗传学，物理，生理，类固醇和环境图表预测抗很低血压类固醇治疗例结果。运用于预测类固醇治疗例反其所的理想AI算例和输入图表现在还有待相符。因此，未来才会的研究课题其所该探索愈来愈先进、愈来愈有用的图随机性AI框架，并利用大型纵向很低血压登记图表，以便可以从很低血压的处方中才会采石场全部都是面的接收者。这些研究课题可能才会通过其所用自然第二语言处理工具来提炼非内部结构化图表来有利于提很低框架。

△ 训练的框架在有所不同的图表集上不加transfer learning做盲测

△ 有所不同cohort图表集密切关系的不同

遗传学物质组学、骨髓膜和简单治疗例

针对很低血压病人的全部都是遗传学物质组筛查研究课题已经发现了越来越多的很低血压方面遗传学物质，有数单核糖遗传学物质位点变异（SNVs）和遗传学物质组热点。据研究课题估计，大约有70％的很低血压病则有可能是由于一种或多种遗传学因素避免的。即使已经有方面研究课题的值得注意案则有，但是现在尚不清楚细菌感染遗传学遗传学物质的鉴定将在何种程度上影响外科实践中才会的治疗例权衡。为了克服这一专业知识分野，一项早就完成的随机对照实验目的相符难治普遍性很低血压很低血压的全部都是遗传学物质组测序的外科效用和并成本品质。

如果遗传学学专业知识要产物为愈来愈好的治疗例工具，那么愈来愈加充分地了解遗传学遗传学物质的机制就变得至关重要。为此，研究课题工作人员有别于了宗教性的动物和细胞膜疾病框架，将错误的遗传学物质插入生物体的DNA中才会。然后通过与对照或“野生型”情况下完成比较来相符病理生理学发生变化。

就很低血压而言，针对SCN1A遗传学物质突变（避免大多数Dret综合征病则有的遗传学物质30）的疾病框架研究课题已将抑制普遍性中才会间骨骼肌元的钠离子走廊机制增加相符为很低血压方面的病理学机制扭转。这一发现避免了对Dret综合征中才会类固醇自由选择的重新分析报告，并避免了钠离子走廊阻断类固醇的运用于，因为它们可能有利于增加骨骼肌元机制从而避免很低血压很低烧加深。

但是在大多数情形下，由于现有疾病框架研究课题的局限普遍性，很多SNVs的细菌感染反应机理尚不清楚。如果要在很低血压治疗例中才会最常有别于简单外科，那么被相符有着遗传学遗传学物质的很低血压能够不感兴趣快速检验；而且该遗传学遗传学物质还其所该用灌注框架完成检查，以分析报告其病理生理灾难和描绘出疾病情况下，并完成量身自带的类固醇治疗例测试和自由选择。

利用从很低血压自身细胞膜诱导产生的多潜能骨髓膜（iPSCs）获取人源骨骼肌元，可以重构相当理想的很低血压疾病框架。iPSCs不仅携带很低血压自身的遗传学接收者；而且可以湿润或“分化”并成多种细胞膜系，有数多种骨骼肌细胞膜亚型。

△ 多种骨骼肌细胞膜亚型

这些从很低血压细胞膜衍生取得的骨骼肌框架可以最常运用于研究课题遗传学遗传学物质避免的骨骼肌方面性状，则有如极度的骨骼肌元形态和轴突传递，这些都是宗教性的非骨骼肌疾病框架无例意味着的。该框架也已经被运用于辨别携带很低细菌感染普遍性突变遗传学物质骨骼肌元的极度性状，如早期发育普遍性脑病。

基于iPSCs的疾病框架最鲜明的压倒普遍性是能够研究课题遗传学遗传学物质的一组效其所（在单个很低血压中才会鉴定出新的多个SNV）和遗传学物质损伤未知的情形。然而，在基于iPSCs的框架可运用于外科治疗例在此之后，还有必须克服重重困难。必须愈来愈多的研究课题来证明过度活跃的骨骼肌网络性状（一个很低血压的外科特征）确实可以在试管里描绘出；还必须愈来愈多的研究课题来相符在这些灌注框架中才会测得的铁户外活动与出新有上掩蔽到的很低血压样铁户外活动密切关系的关联。

现在基于iPSCs的骨骼肌框架有一个潜在局限普遍性，就是具体来说愈来愈多的细胞膜有用普遍性来成立很低血压样户外活动。为了克服这一难题，研究课题工作人员将研究课题转向类脑生殖器官（含有在人脑中才会发现的多层细胞膜和组织内部结构）。增加疾病框架的有用普遍性对于确切地模拟避免人类很低血压的各种细胞膜各种类型和人脑范围的机制障碍是至关重要的。此外，多铁极阵列可以就有铁子商务骨骼肌元的协调基本粒子，已被运用于检验培养的类生殖器官发来的出新有样频率。

基于iPSC的框架可以无限期湿润，而且不才会给很低血压带来任何风险，因此它们对于在很低血压特定背景下完成很低通量选取潜在类固醇相当重要；目的是鉴定出新新颖的、有针对普遍性的抗很低血压类固醇。事实上这些框架已经并试图地运用于其他中才会枢骨骼肌系统疾病的很低通量类固醇选取。这样一个新颖的、基于人源细胞膜的类固醇选取应用软件可以克服我们对宗教性啮齿类动物框架的严重依赖于；宗教性的野猫框架阻碍了抗很低血压类固醇的发展；这也有助于解释为什么三分之一以上的很低血压很低血压具体来说理论上的类固醇治疗例。

源泉很低血压治疗例管理制度的将来

如果要意味着源泉的很低血压治疗例管理制度，能够将带铁粒子技术飞跃与提升身体健康教育和取得专科医护机才会为基础。未来才会这些结果预测框架不仅才会对技术人员有价值，而且将可以为了让全部都是科医生用它们对很低血压完成分类法以便尽力将其分诊至很低血压中才会心。

基于AI的外科权衡支持框架可以确切地预测每个抗很低血压类固醇对于形态很低血压的并试图治疗例的可能。这些框架被转换为硬件并取得美国食品药品监督管理制度局和其他监管机构机构的准许，属于“作为诊疗设备的硬件”类别。该硬件既可以另行运用于也可以集并成到带铁粒子处方系统中才会，并能通过现实中才会的一个系统来提很低普遍性能。它可以定位耐药普遍性很低血压很低风险很低血压，并能尽力、且有针对普遍性地提供者昂贵的专科医护或切除术分析报告服务。该硬件被证明是在经济上理论上的，可运用于必要须要很低血压离开专科很低血压治疗例中才会心。

以上书评出新自 ： [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).