간질의 종단적 경과는 대체로 예측이 어렵다. 본 연구는 인공지능을 이용하여 최종 예후를 예측하고, 동적인 종단 궤적을 분류하고자 하였다. 2008년부터 2017년까지 본원 간질 전문의에게 처음 내원하였고, 최소 3년 이상 추적관찰이 가능한 총 2,586명의 환자를 후향적으로 등록하였다. 지도학습 및 비지도학습 알고리즘을 사용하여 서로 다른 종단 경과와 연관된 군집을 식별하고, 각 군집 내에서 간질 관련 지표를 분석하였다. XGBoost는 최종 예후 예측에서 다른 방법들보다 약간 더 높은 성능을 보였다. 우리는 최종 발작의 완전관해(final seizure freedom)와 관련된 3개의 군집과, 지속적인 발작이 나타나는 2개의 군집을 확인하였다. 첫 번째 군집은 조기 관해를 보였으며, 감염성 또는 면역성 병인과 연관되는 경우가 많았다. 최종 발작 완전관해를 보인 두 개의 추가 군집에서는 관해가 지연되었다. 이들 중 하나의 군집은 초기 발작 빈도가 상대적으로 낮은 특징을 보였고, EEG에서 범발성의 불규칙한 서행(generalized irregular slowing), 그리고 뇌연화증(cerebromalacia)을 동반하였다. 다른 군집은 중간 정도의 발작 빈도를 보였으며, 흔히 범발성 간질(generalized epilepsy)과 연관된 양상을 나타냈다. 네 번째 군집은 기저치(baseline)보다 발작 빈도가 감소한 양상의 지속 발작을 보였고, 국소 극파-서파(focal spike-and-wave), EEG에서의 불규칙한 서행, 및 간질 관련 종양(epilepsy-associated tumor)을 특징으로 하였다. 다섯 번째 군집은 발병 시점부터 일관되게 높은 발작 빈도를 경험했으며, 해마 경화(hippocampal sclerosis), 남성 우세(male predominance), 그리고 더 긴 간질 지속 기간을 특징으로 하였다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.