论文部分内容阅读
背景与目的:癫痫的药物治疗是基本的治疗,但目前高达30-40%的患者经正规抗癫痫药物(Anti-epileptic drugs,AED)治疗后控制不佳,成为药物难治性癫痫,其中第一种AED的治疗失败是药物难治性癫痫的重要危险因素。针对特定发作类型,临床中主要依据经验和少量循证医学证据选择第一种AED,疗效并不确切,缺乏个体化的精准治疗。随着机器学习技术的兴起,已有研究通过建立支持向量机(Support vector machine,SVM)模型预测癫痫患者手术治疗的效果,目前没有SVM能否预测药物疗效的相关报道。左乙拉西坦临床应用广泛,副作用少,本研究通过建立SVM模型,预测新诊断癫痫患者服用左乙拉西坦后发作完全控制的概率,综合分析影响治疗效果的临床及脑电特征,拟为癫痫患者的个体化治疗提供理论依据。方法:本研究采用回顾性研究的方法,以2014-2016年在河南省人民医院癫痫门诊就诊、首选AED为左乙拉西坦的新诊断癫痫患者为研究对象,共46例,依据随访至少1年后的发作控制率将患者分为控制组(n=22)和非控制组(n=24)。SVM模型的建立包括特征提取、模型建立、模型评估三个过程。以此2组患者的临床及脑电信号背景节律特征建立SVM模型,临床特征共11项,包括年龄、病程、发作类型、家族史、发作昼夜节律、发作频率、共患病、发作间期脑电图放电、头磁共振异常、末次发作距服药时间、及是否颞叶癫痫,脑电信号特征为16个导联的α、β、θ、δ频带的样本熵。随机选取控制组中的17例及非控制组中的19例患者作为训练集,通过交叉验证实验,用最优化分类的模型参数建立SVM模型。将控制组及非控制组余下患者(n=5/组)临床及脑电图特征作为测试集,采用已建立的SVM模型预测疗效,最后,将预测的疗效与真实疗效比较,评估模型预测的准确率、特异性、敏感性、阳性预测值、阴性预测值、AUC值,并使用平均影响值方法分析模型特征,计算模型中每个临床及脑电特征对预后的影响大小。结果:22例控制组患者及24例非控制组患者的服药前11项临床特征无明显差异,脑电特征显示发作控制患者F4导联α波、Fp2导联β波、F8导联β波、C3导联θ波样本熵高于未完全控制患者(依次为P<0.001,P=0.008,P=0.011,P<0.001)。通过临床特征与脑电信号特征建立的SVM模型,其训练集的5折交叉验证实验准确率为72.22%,而测试集预测发作控制患者的准确率为90%,敏感性为100%,特异性为90.00%,阳性预测值为83.33%,阴性预测值为100%,AUC值为0.96;平均影响值显示对发作控制有影响的特征由高向低排序为Fp2导联β波、F4导联α波、C3导联θ波、磁共振异常、家族史、发作昼夜节律、F8导联β波、末次发作距服药时间、共患病、病程、颞叶癫痫,而年龄、发作类型、发作间期放电、发作频率对预测模型未见明显影响。结论:控制组及非控制组癫痫患者未服AED前的脑电信号特征有差异;建立预测左乙拉西坦疗效的SVM模型,可对新诊断癫痫患者使用左乙拉西坦疗效做出前瞻性预测,为癫痫的个体化精准治疗提供评估工具。