癫痫中的个性化网络建模

癫痫是一种以自发性、复发性发作为特征的疾病。局部与网络异常均与癫痫相关，且生成发作的确切过程被认为是异质且患者特异的。由于异质性，诸如手术与药物等治疗并非总能有效地实现完全发作控制，而为个体患者选择最佳治疗可能具有挑战性。因此，由患者自身数据约束的预测模型有潜力辅助临床决策。在本章中，我们描述如何将来自结构或功能连接的个性化患者衍生网络纳入预测模型。我们特别关注由能够在时间上模拟脑活动的微分方程组成的动力系统模型。在此我们回顾近期利用这些由患者数据约束的模型，对发作特征（如传播模式）或治疗结果（如手术切除的成功率）做出个性化患者特异性预测的研究。最后，我们提出癫痫中患者特异性网络模型的未来研究方向，包括将其应用于整合多模态信息、预测长期疾病演变，以及考虑受试者内变异性以指导治疗。