识别癫痫患者相似性以预测药物耐药性

目前，约30%接受抗癫痫药物（AEDs）治疗的癫痫患者对治疗仍然耐药（称为难治性患者）。本项目旨在理解难治性患者与其他癫痫患者之间的潜在相似性，识别导致难治性患者潜在表型产生耐药性的特征，并开发用于癫痫患者耐药性预测的模型。在本研究中，我们检查了癫痫患者数据，试图观察难治性患者（病例）与其他非难治性患者（对照）之间可辨别的相似性或差异，以映射因果关系的潜在机制。研究的第一部分，使用了诸如Kmeans、谱聚类和高斯混合模型等无监督算法来检验投影到低维空间中的患者特征。该研究结果表明底层特征空间具有高度非线性。在研究的第二部分，诸如逻辑回归、梯度提升决策树和SVM等分类算法在降维特征上进行了测试，使用7折交叉验证得到的准确率结果为0.83(±0.3)。测试结果的观察表明，使用径向基函数核PCA对梯度提升决策树集成所摄入的特征进行降维，可改善将二元决策映射到从癫痫患者收集的高度非线性特征时的准确率。