患者日记揭示了癫痫发作的倾向

莱斯大学(Rice University)布朗工程学院(Brown School of Engineering)的一名研究人员和她实验室的一位校友首次验证了他们评估癫痫患者癫痫发作风险的项目。

在一项初步研究中，他们的癫痫发作评估工具(EpiSAT)被证明与24个专科医生一样有能力或更好癫痫临床医生利用病人的病史来确定癫痫发作的高倾向时期。

“癫痫影响了全国超过340万人，”米瑟斯·蒋介团领导的研究共同作者米统计学码头Vannucci说，现在是一个主治医师加州大学旧金山分校(UCSF)神经内科。“这项研究可以作为其他疾病或情况的一个基准案例，可以采用统计学方法。”

研究人员的自动化机器学习算法在超过87％的病例中正确确定了癫痫发作风险改善，恶化或没有变化的变化。他们通过分析来自四个“合成”日记的120个癫痫发作来实现这些结果，并从SeizureTracker.com收集的真实癫痫发作日记中的120名癫痫发作，这是世界上最大的电子癫痫日记之一。他们报告说，Episat与临床医生显示“大量观察到的协议”，他们报告了75％以上。

结果出现在日志中癫痫。

“对癫痫患者的一个挑战是，像雨的机会一样，从未过度地量化癫痫发作风险并确定癫痫发作频率的明显变化是否反映其临床状态的机会或实际改善或恶化的良好方法，”霍普斯师维克拉朗·饶（Vikram Rao）和UCSF神经内科的副教授。“蒋博士在本研究中开发的算法直接解决了临床困境。”

临床医生依靠患者记录的癫痫发作日记来了解发作的严重程度和频率。

蒋说:“癫痫计数是医生用来监测潜在癫痫负担和评估治疗反应的最古老的指标之一。”“一个基本的挑战是，观察到的癫痫发作频率的变化不一定反映了治疗，但可能是由于自然变异。

“癫痫发作频率的粗略估计可能是误导性的，如果被误解为改变发作倾向可能导致不必要或有害的治疗决定，”她说。

Vannucci表示，当算法正在达到目标时，匹配真实的患者数据允许该团队确定算法并提高对分析患者数据的能力的信心。“模仿现实发生的事情的能力让我们评估我们的方法的表现，”她说。“我们可以确定它是否恢复了真相。”

“这篇新发表的文章显示了定量方法的好处，当决定治疗是否有用时，定量方法可以指导治疗，”约翰·斯特恩(John Stern)说，他是神经学教授，也是加州大学洛杉矶分校癫痫症中心的联合主任，也是这项研究的联合首席研究员。

该研究遵循Vannucci和Chiang的广泛合作，2016年和2018年，2016年和2018年的医学学院学位分别通过机构的M.D./PH.D。程序。该团队的2017年纸张概述了一种综合神经影像学扫描的方法，以识别在使用可能或可能无法提供完全救济的侵入性手术之前继续癫痫发作的高风险患者。

由于他们在2018年提出EpiSAT的论文上的工作，蒋获得了由国际抗癫痫联盟颁发的2019年临床癫痫公开奖。

Vannucci表示，团队计划通过将数据纳入电子健康记录的数据来改进episat。“包括可能的协变量可以作为该方法的额外验证，”她说。“最终目标是看到在临床实践中部署的工具。”

---

---