La méthode neuve basée sur l'artificial intelligence peut aider à prévoir des résultats d'épilepsie

L'université médicale des neurologues de la Caroline du Sud (MUSC) ont développé une méthode neuve basée sur l'artificial intelligence qui peut éventuellement aider des patients et des médecins à peser le pour - et - le contre d'employer la chirurgie cérébrale pour traiter des grippages débilitants provoqués par épilepsie. Cette étude, qui s'est concentrée sur l'épilepsie du lobe temporal mesial (TLE), était publiée dans l'édition de septembre 2018 d'Epilepsia. Au delà des implications cliniques de comporter cette méthode analytique dans les processus décisionnels des cliniciens, ce travail met en valeur également comment l'artificial intelligence pilote le changement de l'inducteur médical.

En dépit de l'augmentation du nombre de médicaments d'épilepsie procurables, autant d'en tant qu'un tiers de patients sont réfractaires, ou les non répondeurs, au médicament. L'épilepsie excessive a beaucoup de dangers liés aux grippages, y compris des blessures des chutes, des difficultés respiratoires, et même de la mort subite. Les grippages débilitants de l'épilepsie réduisent également grand la qualité de vie, car des activités normales sont nuies.

La chirurgie d'épilepsie est souvent recommandée aux patients qui ne répondent pas aux médicaments. Beaucoup de patients sont hésitants de subir la chirurgie cérébrale, en partie, dû à la crainte des risques effectifs et du fait que seulement environ deux-tiers de patients sont un an grippage grippage après la chirurgie. Pour aborder cet écartement critique dans la demande de règlement de cette population d'épilepsie, M. Leonardo Bonilha et son équipe au service de neurologie à MUSC ont examiné pour prévoir quels patients sont susceptibles pour avoir la réussite en étant grippage libre après la chirurgie.

M. résident en chef Gleichgerrcht de service de neurologie explique qu'ils ont essayé « de comporter neuroimaging avancé et techniques de calcul pour anticiper des résultats chirurgicaux dans le traitement des grippages qui se produisent avec la perte de conscience afin d'améliorer éventuellement la qualité de vie ». Afin de faire ceci, l'équipe tournée à une technique de calcul, apprendre profond appelé, dû à la quantité massive d'analyse de caractéristiques requise pour ce projet.

Le connectome d'entier-cerveau, l'élément clé de cette étude, est un plan de toutes les connexions physiques en cerveau d'une personne. Le plan de cerveau est produit par l'analyse en profondeur de l'imagerie par résonance magnétique de diffusion (dMRI), que les patients reçoivent comme niveau de soins dans la clinique. Les cerveaux des patients d'épilepsie étaient imagés par le dMRI avant avoir la chirurgie.

Apprendre profondément est une approche de calcul statistique, dans le royaume de l'artificial intelligence, où des configurations dans les caractéristiques sont automatiquement apprises. Les connexions physiques dans le cerveau sont très personnalisées et il est ainsi provocant pour trouver des configurations en travers des patients multiples. Heureusement, la méthode apprenante profonde peut isoler les configurations dans plus statistiquement une méthode fiable afin de fournir une prévision hautement précise.

Actuel, la décision pour exécuter la chirurgie cérébrale sur un patient réfractaire d'épilepsie est prise basé sur un ensemble de variables cliniques comprenant l'évaluation visuelle des études radiologiques. Malheureusement, le modèle actuel de catégorie est de 50 à 70 pour cent de précis en prévoyant la goujon-chirurgie patiente de résultats. La méthode apprenante profonde que les neurologues de MUSC ont développée était de 79 à 88 pour cent de précise. Ceci donne aux médecins un outil plus fiable pour décider si les avantages de la chirurgie sont supérieurs aux risques pour le patient.

Un autre avantage de cette technique neuve est qu'aucun tests diagnostique supplémentaire n'est exigé pour les patients, puisque des dMRIs sont par habitude exécutés avec des centres de patients d'épilepsie tout au plus.

Cette première étude était rétrospective en nature, signifiant que les caractéristiques antérieures examinées par cliniciens. Les chercheurs proposent qu'une prochaine opération idéale comprenne une étude prospective multisite. Dans une étude prospective, ils analyseraient les échographies de dMRI des patients avant la chirurgie et de la revue avec les patients pendant au moins une année après la chirurgie. Les neurologues de MUSC croient également cela qui intègre le connectome fonctionnel du cerveau, qui est un plan d'activité neurale simultanément de occurrence en travers de différentes régions du cerveau, pourraient améliorer la prévision des résultats.

M. Gleichgerrcht dit que la nouveauté dans le développement de cette étude se situe dans le fait que ce « n'est pas une question de être humain contre la machine, de même que souvent la crainte quand nous entendons parler de l'artificial intelligence. Dans ce cas, nous employons l'artificial intelligence comme un outil supplémentaire pour prendre éventuellement des décisions plus bien informées concernant une intervention chirurgicale qui retient l'espoir pour un remède d'épilepsie dans un grand nombre de patients. »