抗癫痫发作药物(ASMs)是治疗癫痫的一线药物，本文阐释了如何通过算法帮助医生更好的做出药物选择，达到患者个性化治疗的目标。算法通过发作类型、合并共患病以及其他个人因素将药物按照优先级别推荐为3组，第一组优于第二组，第二组优于第三组，最终选择由临床医生结合实际情况进行判定。详细的流程可以点击“阅读原文”进一步了解。

该算法通过Delphi process进行意见和问题的反馈，并设计用于发病年龄在10岁及以上的患者中使用。排除早发性癫痫，如一些儿童综合征，因为儿童综合征在诊断和治疗方面更加复杂。本文提到的算法，其中纳入了关键人口统计细节和17个临床变量。具体考虑到的问题如下：

• 患者是否正在使用避孕药物而不是避孕器械来避免怀孕(仅当性别=女性时显示)

• 患者定期服用避孕药吗?(仅当性别=女性时显示)

• 患者是否每天服药?(只在性别=男性时显示)

• 患者是否有:

a.需要化疗和/或放疗的脑肿瘤治疗

b.肝功能衰竭

c.肥胖(BMI≥30)

d.糖尿病

e.有临床意义的血小板减少或凝血障碍

f.中性粒细胞减少症(即中性粒细胞计数<1500μL)

g.肾结石

h.对药物过敏

i.抑郁

j.易怒或有攻击性行为的历史

k.偏头痛(每月头痛≥4次或≥8次)

最后，作者和外部专家、癫痫病学家测试超过150个临床案例来进一步验证算法的可靠性，保证筛选出来的结果具有临床参考价值。

我们展示出一个相对简化的表格供各位参考，简单举两个例子。当医生仅仅输入了基本的信息和发作类型后，算法会按照现有的信息推荐出ASMs的优先级，例如失神发作，基于简单判断程序会推荐3组药物选择给到1-group: ETS, VPA；2-group: LTG; 3-group: LEV, ZNS, ACT, CLB, CLN。而当发作类型无法确定或者不能分型且患者年龄小于21岁时，程序会推荐1-group: VPA, LTG, LEV；2-group: CLB, CBZ, PER, ESL, OXC, LCM; 3-group: PB, TPM, ZNS。但是，当医生输入的信息更加具体，更加完善时，算法会根据判断调整ASMs的顺序。

我们再举一个例子，例如一位67岁男性，局灶性癫痫，从65岁起，他就得了脑瘤，且患有抑郁症，正在接受药物治疗。按照基本信息他会被推荐：

1-group: LEV, CBZ, LTG, OXC, ESL, LCM

2-group: TPM, VPA, PER, PHT, BRV, ZNS

3-group: CLB, PB, GBP, PGB

但是考虑到他正在服用其他药物治疗，且有抑郁的问题，系统会调整上述推荐的顺序，调整后推荐顺序变为：

1-group: LTG

2-group: LCS

3-group: LEV

再考虑其他的因素，当上述推荐药物不耐受或者不可及时，以下药物是可以替代的选择：如果BRV, PER, VPA, TPM, ZNS, OXC。

简单划重点，想要更多探索大家可以去网站体验。

• 由于选药不当，导致患者服用过多种类的ASMs会造成难治性癫痫的问题，通过AI算法可以帮助更加全面的思考药物之间的影响，以及患者本身的状况从而选择更加个性化的抗癫痫发作药物；

• 该网站适用于成人癫痫患者，儿童患者由于综合征的复杂性，暂不在推荐范围内

• 算法推荐的药物顺序会根据医生输入的信息而不断调整，最终药物方案由医生结合临床经验判断。

640 (1).png