这项研究首次验证了基于统计的工具可以更好地治疗癫痫患者
莱斯大学(Rice University)布朗工程学院(Brown School of Engineering)的一名研究人员及其实验室的一名女校友对评估癫痫患者癫痫发作风险的项目进行了首次验证。
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名专业的癫痫临床医生在利用患者的病史来确定癫痫发作倾向增强时期方面具有同等或更好的能力。
玛丽娜Vannucci
“全国有340多万人患有癫痫，”莱斯统计学家玛丽娜·凡努奇(Marina Vannucci)说。“这项研究可以作为其他疾病或情况使用统计方法的基准案例。”
研究人员的自动机器学习算法在超过87%的病例中正确识别了癫痫发作风险的变化——改善、恶化或无变化。他们通过分析四本“合成”日记中的120次癫痫发作和真实癫痫发作日记中的120次癫痫发作，得出了上述结果。癫痫发作日记是由全球最大的电子癫痫发作日记网站之一的网站癫痫发作日志收集的。他们报告说，EpiSAT与临床医生的“实质性观察一致性”超过75%。
研究结果发表在《癫痫》杂志上。
”在治疗癫痫患者的一个挑战是,像可能下雨,从未有过的好方法量化发作风险和确定明显发作频率的变化反映了人类机会或实际改善或恶化的临床状态,“Vikram Rao说,癫痫的主要部门,加州大学旧金山分校的神经病学副教授。“蒋博士在这项研究中开发的算法直接解决了这个临床难题。”
临床医生依靠病人的癫痫发作日记来了解发作的严重程度和频率。
沙龙蒋介石
“癫痫计数是医生用来监测潜在癫痫负担和评估治疗效果的最古老的指标之一，”Chiang说。“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治疗，但可能是由于自然变化。”
“对癫痫发作频率的粗略估计可能会产生误导，如果被误解为癫痫发作倾向的改变，可能会导致不必要的或有害的治疗决定，”她说。
Vannucci说，将真实的病人数据与模拟的数据进行匹配，可以让研究团队确定地知道算法何时达到目标，并提高他们分析病人数据的能力的信心。“模仿现实的能力让我们能够评估我们的方法的表现，”她说。“我们可以确定它是否能还原真相。”
”神经学教授、加州大学洛杉矶分校癫痫症研究中心联合主任、该研究的联合首席研究员约翰·斯特恩(John Stern)说，这份新的出版物展示了一种定量方法的好处，这种方法可以在决定治疗是否有效时指导治疗。
在此之前，凡努奇和蒋氏在2016年和2018年分别获得了莱斯大学和贝勒医学院的医学博士学位。程序。该团队在2017年的一篇论文中概述了一种方法，该方法整合了神经成像扫描，以在实施可能或可能无法完全缓解癫痫的侵入性手术之前，识别出持续癫痫的高风险患者。
因为他们在2018年提出EpiSAT的论文中所做的工作，蒋获得了由国际抗癫痫联盟颁发的2019年癫痫临床公开奖。
Vannucci说，研究小组计划通过整合电子健康记录数据来完善EpiSAT。“包括可能的协变量可以作为该方法的额外验证，”她说。“最终目标是看到该工具在临床实践中得到应用。”
论文的共同作者是波士顿贝斯以色列女执事医疗中心的丹尼尔·戈登霍尔兹;弗吉尼亚州安纳代尔市捕捉跟踪公司的罗伯特·莫斯;贝勒大学的Zulfi Haneef;马里兰州贝塞斯达国立卫生研究院的威廉·西奥多;加州大学旧金山分校的Jonathan Kleen;贝勒的杰·加瓦拉。Vennucci是莱斯大学的Noah Harding统计学教授。
美国国立卫生研究院和国家科学基金会支持了这项研究。
新闻旨在传播有益信息，英文原版地址：https://news.rice.edu/2019/12/04/patient-diaries-reveal-propensity-for-epileptic-seizures-2/