AI个体化癫痫放射治疗管理新时代丨Airdoc莫纳什研究中心最新论文

《the BMJ》-Brain Health（英国中医杂志脑肥胖症EP）10月刊发表了关于帕金森氏症放射治疗经营管理的最新的科学研究者。此次科学研究者表明，机器努力学习的进步再一共享更加正确地的仿真来得显露结论帕金森氏症个体症状的放射治疗结果。均线粒体抽样和使用症状新创的干线粒体构建的相比较简单性疾病仿真确实会在未来将试错通则附加为帕金森氏症精准放射治疗。本科学研究由Airdoc Monash Research Center戈宗元Clark团队联合莫纳什神经元弱化性疾病科学研究其里心全因联合完成。

一个多世纪以来，帕金森氏症放射治疗一直是试错通则。虽然有大体种类的抑制剂选择读物，但药是否见效，只能使用后才告诉，如果没效就要再设通则下一种药，以此类推直到看到最合适的放射治疗方通则。因此耽误病程的症状亦然。但此次Patrick Kwan(关国良)及同事探讨普遍认为未来通过AI得显露结论帕金森氏症的癫痫，为症状匹配最适合的抑制剂。

生物科技双向TransformersJPEG(BioBERT)是最新的的基于高度努力学习高效率的预先训练生物科技语言指显露仿真，借以使用生物科技重构的发掘目标。BioBERT公布于2020年初，它通过促进使用来自许多其他数据资料种类的非一个通用数据资料，例如电子元件肥胖症历史纪录和针灸统计数据，来支持仿真训练。结合强大的高度努力学习图期望值仿真，这使得科学研究医务人员可以在放射治疗结果归纳里之外更加高一般而言且确实可靠的讯息，而传统意义的归纳则不能够这一点。

放射治疗反应的不确切性是主要问题

放射治疗帕金森氏症有许多抑制剂以及非抑制剂干预措施，例如切除治疗、神经元调节和饮食疗通则。然而，现阶段的放射治疗经营管理标准仍然比如说循序设通则相同的抗帕金森氏症抑制剂放射治疗的试错通则。虽然有基于帕金森氏症癫痫大体种类（局灶性或均面性癫痫）的抑制剂选择读物，但在一组归纳时，许多抑制剂具备相似的。对于任何集合的症状，不能得显露结论哪种抑制剂最有效并应兼初始放射治疗。尽管新的药激增，市场上有20多种药剂，但有三分之一的症状的帕金森氏症癫痫不能被抗帕金森氏症抑制剂控制。

在世界许多区域内，大多数新的临床为帕金森氏症的症状是由初级肥胖症药剂师进行时放射治疗的。如果在以前的放射治疗里不能控制帕金森氏症癫痫，则将症状转诊给普通内分泌学医师，如果进一步的抑制剂放射治疗失败，则将其转诊至帕金森氏症其里心。这种按部就班的看护路径意味着在帕金森氏症医学专家审计确实具备耐药性帕金森氏症近期的症状早先，更为重要的时长不太可能流失了。其他放射治疗选择，例如治疗，被广泛地普遍认为是最后的手段。可惜的是，无关的时长拖延意味着这些放射治疗手段确实功效不佳。结果往往是多年的生活运动速度急剧下降，生产力急剧下降和死亡率增加。

这一困境确实通过一种可靠的、能看到放射治疗结果与症状同样形态间无关联的模式的方通则来彻底解决。耐药性帕金森氏症近期的症状这样就可以被及早的分诊，从而尽快获宝贵的高职看护教育资源。人脑（AI）和干线粒体科学研究的最新的进展使人们寄希望于帕金森氏症核心内容放射治疗经营管理将确实很快成为这种循序放射治疗途径的必要性替代必要性。

A：传统意义试错放射治疗通则

BC：人脑和干线粒体核心内容放射治疗经营管理

中医人脑

机器努力学习准备冒险在帕金森氏症应用里通过脑电图模式识别来得显露结论和测定帕金森氏症的癫痫。最近的一项科学研究使用了9571例常规收集的肩膀脑电图历史纪录来训练一个高度神经元网络，该方通则在测定癫痫期痫样放电上都优于医学专家。科学研究医务人员还使用了基于时长序列的方通则（例如，在作显露反应性神经元抑制的系统里使用的线长方通则）来归纳可控的、持续获取的颅内脑电图讯号，以开发帕金森氏症癫痫预警的系统。如果在大规模针灸试验里证明有效，这种的系统可以帮助症状预先严防并减少帕金森氏症癫痫所引发的伤势。

生物科技双向TransformersJPEG(BioBERT)是最新的的基于高度努力学习高效率的预先训练生物科技语言指显露仿真，借以使用生物科技重构的发掘目标。BioBERT公布于2020年初，它通过促进使用来自许多其他数据资料种类的非一个通用数据资料，例如电子元件肥胖症历史纪录和针灸统计数据，来支持仿真训练。结合强大的高度努力学习图期望值仿真，这使得科学研究医务人员可以在放射治疗结果归纳里之外更加高一般而言且确实可靠的讯息，而传统意义的归纳则不能够这一点。

AI上的进步为构建可靠的得显露结论抑制剂放射治疗反应的仿真造成了了希望。亨特帕金森氏症其里心的一项科学研究准备开发AI仿真根据参与者的帕金森氏症癫痫，基因型，物理，内分泌，抑制剂和环境数据资料得显露结论抗帕金森氏症抑制剂放射治疗结果。使用得显露结论抑制剂放射治疗反应的全然AI方通则和输入数据资料现有还有待确切。因此，未来的科学研究必要冒险更加高科技、更加相比较简单的图期望值AI仿真，并来进行时大型纵向帕金森氏症已登记数据资料，以便可以从症状的病历里发掘均面的讯息。这些科学研究确实会通过运用自然语言执行方通则来提炼显露非一个通用数据资料来增强仿真。

△ 训练的仿真在相同的数据资料集上不加transfer learning做盲测

△ 相同cohort数据资料集之间的差异

线粒体学、干线粒体和精准放射治疗

针对帕金森氏症病人的均线粒体筛查科学研究不太可能断定了日渐多的帕金森氏症无关DNA，之外单氨基酸DNA启动子表征（SNVs）和线粒体热点。据科学研究估计，大约有70％的帕金森氏症病例确实是由于一种或多种基因型因素引起的。即使不太可能有无关科学研究的类似案例，但是现有已为不似乎致病基因型表征的比对将在何种素质上影响针灸实践里的放射治疗经营管理者。为了彻底解决这一经验鸿沟，一项准备进行时的临床研究试验借以确切难治性帕金森氏症症状的均线粒体测序的针灸效用和效益效益。

如果基因型学经验要转化为更加好的放射治疗方通则，那么更加加确实地了解基因型表征的新功能就变得至关重要。为此，科学研究医务人员运用于了传统意义的生物和线粒体性疾病仿真，将错误的DNA插进生物的DNA里。然后通过与对照或“野生型”状态进行时相比较来确切病症内分泌学变化。

就帕金森氏症而言，针对SCN1ADNA突变（引发大多数Dret性疾病病例的DNA30）的性疾病仿真科学研究已将抑制性里间皮质的钙离子走廊新功能急剧下降获知为帕金森氏症无关的病症学组态改变。这一断定引发了对Dret性疾病里抑制剂选择的重新的审计，并避免了钙离子走廊阻断抑制剂的使用，因为它们确实进一步急剧下降皮质新功能从而引发帕金森氏症癫痫加剧。

但是在大多数意味著，由于现有性疾病仿真科学研究的相相比较，很多SNVs的致病机理已为不似乎。如果要在帕金森氏症放射治疗里广泛运用于精准中医，那么被获知具备基因型表征的症状必须接受快速测定；而且该基因型表征还必要用体内仿真进行时体检，以审计其病症内分泌后果和重现性疾病状态，并进行时新功能强大新功能强大的抑制剂放射治疗飞行测试和选择。

来进行时从症状自身线粒体诱导产生的多潜能干线粒体（iPSCs）获取人源皮质，可以构建非常全然的帕金森氏症性疾病仿真。iPSCs不仅载有症状自身的基因型讯息；而且可以繁殖或“分化”成多种线粒体系，之外多种神经元线粒体变异。

△ 多种神经元线粒体变异

这些从症状线粒体新创获的神经元仿真可以广泛使用科学研究基因型表征引起的神经元无关基因型基因，例如显露现异常的皮质形态和突触传递，这些都是传统意义的非神经元性疾病仿真不能实现的。该仿真也不太可能被使用鉴别载有高致病性突变DNA皮质的显露现异常基因型基因，如早期成年期性脑病。

基于iPSCs的性疾病仿真最独特的优势是能够科学研究基因型表征的组合成效应（在单个症状里比对显露的多个SNV）和DNA损伤确实的情况。然而，在基于iPSCs的仿真可使用针灸放射治疗早先，还有需要借助重重困难。需要更加多的科学研究来证明极度活跃的神经元网络基因型基因（一个帕金森氏症的针灸形态）是否可以在培养皿里重现；还需要更加多的科学研究来确切在这些体内仿真里测得的电娱乐活动与脑电图上注意到到的帕金森氏症样电娱乐活动之间的关联。

现有基于iPSCs的神经元仿真有一个潜在相相比较，就是忽视所需的线粒体相比较简单性来构建帕金森氏症样娱乐活动。为了彻底解决这一问题，科学研究医务人员将科学研究转向类脑器官（所含在大脑里断定的多层线粒体和组织结构）。增加性疾病仿真的相比较简单性对于正确地地模拟引发人类帕金森氏症的各种线粒体种类和大脑区域的失常是至关重要的。此外，多电极模组可以历史纪录网络化皮质的协调相互作用，已被使用测定培养的类器官警告的脑电图样讯号。

基于iPSC的仿真可以无限期繁殖，而且一定会给症状造成了任何高风险，因此它们对于在症状特定背景下进行时数据处理抽样潜在抑制剂非常重要；借以是比对显露新的颖的、有针对性的抗帕金森氏症抑制剂。事实上这些仿真不太可能成功地使用其他骨骼肌性疾病的数据处理抑制剂抽样。这样一个新的颖的、基于人源线粒体的抑制剂抽样平台可以借助我们对传统意义啮齿类生物仿真的严重依赖；传统意义的啮齿生物仿真以致于了抗帕金森氏症抑制剂的发展；这也有助于解读为什么三分之一以上的帕金森氏症症状忽视有效的抑制剂放射治疗。

核心内容帕金森氏症放射治疗经营管理的将来

如果要实现核心内容的帕金森氏症放射治疗经营管理，必须将高效率进步与改善肥胖症教育和获高职看护机会相结合。未来这些结果得显露结论仿真不仅会对医学专家有价值，而且将可以帮助均科药剂师用它们对症状进行时分类通则以便尽早将其分诊至帕金森氏症其里心。

基于AI的针灸经营管理者支持仿真可以正确地地得显露结论每个抗帕金森氏症抑制剂对于个体症状的成功放射治疗的确实性。这些仿真被转换为软件并获美国食品药品监督经营管理局和其他监管政府部门的核准，总称“作为医疗设备的软件”类别。微软公司既可以单独使用也可以运用软件到电子元件病历的系统里，并能通过现实里的反馈来提高性能。它可以识别耐药性帕金森氏症近期症状，并能尽早、且有针对性地共享低廉的高职看护或治疗审计客户服务。微软公司被证明是经济有效的，可使用须要安排症状进入高职帕金森氏症放射治疗其里心。

以上撰文显露自 ： [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).