Уэсли Керр, аспирант кафедры биоматематики Калифорнийского университета в Лос-Анджелесе, и его ученики, Акаш Патель и Сара Барритт, представят свой плакат под названием «Компьютерная диагностика эпилепсии с использованием клинической информации», рассказывающий о достижениях в использовании вычислительной машины. обучение, чтобы помочь клиницистам правильно выявлять и диагностировать эпилепсию.«У значительной части пациентов с эпилептическими припадками ставится неправильный диагноз и проводится ненадлежащее лечение», — сказал Коэн. «Поскольку такие методы лечения несут в себе риски и отрицательные побочные эффекты, их исследования могут положительно повлиять на жизнь миллионов американцев».Целью команды Керра было оценить вероятность эпилепсии по сравнению с неэпилептическими припадками на основе исторических факторов, о которых пациент сообщил своему неврологу.
По словам Керра, отличить эпилептические припадки от неэпилептических припадков непросто. В среднем время от первого припадка до постановки диагноза неэпилептических припадков составляет семь лет.
Между тем, большинству этих пациентов ставят неправильный диагноз эпилепсии и неправильно лечат противоэпилептическими препаратами.«Это может подвергнуть пациентов серьезным и потенциально смертельным побочным эффектам», — сказал Керр. «Одна из целей нашей лаборатории — создать автоматизированную систему, которая может помочь врачам различать пациентов с эпилептическими и неэпилептическими припадками».Керр и его команда достигли этого, изучив амбулаторные клинические записи пациентов с лекарственно-устойчивым судорожным расстройством, у которых позже была диагностирована эпилепсия или неэпилептическое припадочное расстройство, с использованием золотого стандарта диагностической оценки, 72-часового стационарного видео. -Электроэнцефалография (ВЭЭГ) мониторинг.
Используя комбинацию известных факторов риска эпилепсии и неэпилептических припадков, описанных в 228 клинических заметках, исследованных командой, их алгоритм достиг точности диагноза 65%. Хотя на первый взгляд это может показаться низким, это сопоставимо с точностью неврологов до мониторинга VEEG.
В этой работе они использовали метод машинного обучения, известный как «дерево решений».«Структура нашего дерева решений также предоставила значимую информацию об интерпретации каждого фактора риска для каждого пациента. Например, факторы риска неэпилептических припадков могут быть разными для женщин и мужчин», — сказал Керр. «Эта работа может помочь диагностировать и тем самым более эффективно лечить пациентов, которые в ней нуждаются».
Помимо обслуживания пациентов с эпилептическими припадками, компьютерные методы диагностики, разработанные Керром и его командой, могут быть применимы для диагностики других заболеваний в будущем.* На выставке «Плакаты на холме» обычно выбирается один или два исследовательских проекта от штата для участия в мероприятии, — сказал Марк Коэн, советник факультета Керра и профессор психиатрии в Институте неврологии и поведения человека Семела.
В рамках поездки Патель, Барритт и Керр встретятся в офисах сенаторов и представителей штата Калифорния. Они будут использовать этот форум, чтобы подчеркнуть важность правильного диагноза эпилепсии и академической среды Калифорнийского университета в Лос-Анджелесе, которая сделала возможным это исследование.