사용 가능한 항경련제(ASM)의 수가 증가하고 있음에도 불구하고, 최적의 약물치료는 여전히 시행착오의 과정이다. 본 연구는 초기 검사 결과를 인공지능으로 분석하여 다양한 항경련제에 대한 반응성을 예측하고자 하였다. 본 연구는 다음의 기준을 충족하는 2,586명의 환자로 구성되었다: (1) 2008년부터 2017년까지 간질 전문의에 대한 첫 내원, (2) 간질의 진단, 및 (3) ≥3년의 추적 관찰 기간. 임상적 특성, ASM 병력, 발작 빈도, 검사실 검사, EEG 및 MRI 결과를 수집하였다. 기계 학습 알고리즘을 사용하여 특정 처방(regimen)의 반응성을 예측하였다. 발프로산(valproate)은 곡선 아래 면적(AUC) 0.636으로 가장 높은 값을 보였다. 레베티라세탐(levetiracetam), 옥스카바제핀(oxcarbazepine), 라모트리진(lamotrigine)의 AUC는 각각 0.614, 0.633, 0.674였다. 흔히 사용하는 이중 요법(dual regimens)의 AUC는 레베티라세탐+옥스카바제핀 0.543, 레베티라세탐+발프로산 0.454, 레베티라세탐+라모트리진 0.583이었다. 레베티라세탐+카르바마제핀(carbamazepine)은 AUC 0.686으로 가장 높았다. Shapley Additive exPlanations 분석에서 발프로산의 반응성 예측 성능은 발작 유형이 유의하게 영향을 미쳤고, 라모트리진은 발병 연령과 질병 기간이 유의하게 영향을 미쳤다. 초기 자료를 기반으로 한 반응 예측의 성능은 항경련제에 따라 달라졌다. 다기관(multicenter)에서 얻은 방대한 데이터셋은 향후 ASM 반응성 예측의 예측력을 향상시킬 것이다.

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