発作の再発の予測抗てんかん薬の撤退前に、マルチスケールの深部ニューラルネットワークを使用した脳波分析を使用した

背景：長期にわたって発作がない患者の抗てんかん薬（AED）治療を継続または中止する決定は重要です。研究では、AEDの撤退後の発作の再発を予測するために、特定の危険因子または脳波（EEG）の所見を使用しています。ただし、AEDの撤退を導くための適用可能なバイオマーカーは不足しています。 方法：この研究では、Multiscale Deep Neural Networks（MSDNN）に基づくEEG分析を使用して、AEDの撤回後に発作の再発を予測する方法を確立しました。てんかんの合計60人の患者は、2つのグループに分けられました（再発グループで30人、非再発グループで30人）。すべての患者は少なくとも2年間無料で発作を起こしていました。AED離脱前に、各患者に対してEEGが実施され、てんかん型放電は示されませんでした。これらのEEG録音は、MSDNNを使用して分類されました。 結果：再発グループと非再発グループ間の分類のパフォーマンスインデックスは、74.23％、75.83％、74.66％、および82.66％の受信者動作特性曲線の下の平均感度、平均特異性、平均精度、および平均面積を持っていることがわかりました。、 それぞれ。 結論：私たちの提案された方法は、発作のない患者のAED離脱後の発作の再発を予測するのを助けるための有望なツールです。

BACKGROUND: The decision to continue or discontinue antiepileptic drug (AED) treatment in patients who are seizure free for a prolonged time is critical. Studies have used certain risk factors or electroencephalogram (EEG) findings to predict seizure recurrence after the withdrawal of AEDs. However, applicable biomarkers to guide the withdrawal of AEDs are lacking. METHODS: In this study, we used EEG analysis based on multiscale deep neural networks (MSDNN) to establish a method for predicting seizure recurrence after the withdrawal of AEDs. A total of 60 patients with epilepsy were divided into two groups (30 in the recurrence group and 30 in the non-recurrence group). All patients were seizure free for at least 2 years. Before AED withdrawal, an EEG was performed for each patient, which showed no epileptiform discharges. These EEG recordings were classified using MSDNN. RESULTS: We found that the performance indices of classification between recurrence and non-recurrence groups had a mean sensitivity, mean specificity, mean accuracy, and mean area under the receiver operating characteristic curve of 74.23%, 75.83%, 74.66%, and 82.66%, respectively. CONCLUSION: Our proposed method is a promising tool to help physicians to predict seizure recurrence after AED withdrawal among seizure-free patients.