[发明专利]使用个体患者数据及治疗性脑网络图的疗效及/或治疗性参数推荐

说明书

本文中所描述的实例可使用个体患者状态数据与疗法的脑网络反应图的比较来预测疗法疗效及/或治疗性参数。例如，可使用患者EEG数据与在各种参数下的VNS疗法的脑网络反应图的比较来预测VNS参数。

相关申请案的交叉参考

本申请案主张2017年11月10日申请的第62/584,669号美国临时申请案的优先权，所述案的全文出于任何目的以引用方式并入本文中。

技术领域

本文中所描述的实例大体上涉及神经疗法，且描述预测例如神经刺激治疗的治疗的疗效及/或参数的实例。

背景技术

神经刺激是包含癫痫、抑郁症、帕金森氏病及阿尔茨海默氏病的神经系统疾病的新兴有前景的疗法。然而，目前尚无方法来在植入之前预测疗法的疗效。另外，因为神经系统疾病因个体患者而异(例如，致使癫痫发作的异常脑区因癫痫患者而异)，所以需要对每一个体患者进行反复的神经刺激参数调整以识别其最有效的刺激设置。这种冗长乏味的参数调整过程极大地增加医疗成本且致使医生及患者感到挫败。所述参数调整过程还降低神经刺激疗法的总体疗效，因为许多阴性病例是参数调整过早终止的结果。

发明内容

本文中描述方法的实例。一种实例方法包含：获得患者的神经状态的个体患者数据；获得治疗的治疗性脑网络反应图；及基于所述神经状态的所述数据与所述脑网络反应图的比较来预测所述患者的所述治疗的疗效。

在一些实例中，预测所述治疗的所述疗效可包含：将所述个体患者数据及所述治疗性脑网络反应图作为输入提供到所述治疗的统计预测模型；及使用所述统计预测模型来预测所述治疗的所述疗效。

在一些实例中，所述统计预测模型可包含特征提取技术，所述特征提取技术经配置以从关于神经状态的所述个体患者数据及所述脑网络反应图提取特征。

在一些实例中，所述特征可包含所述个体患者数据与所述脑网络反应图之间的重叠区域。

在一些实例中，所述统计预测模型可包含卷积核，所述卷积核经配置以从所述神经状态的所述个患者数据及所述治疗性脑网络反应图提取特征。

在一些实例中，在训练所述治疗的所述统计预测模型期间学习所述卷积核中的值。

在一些实例中，方法可包含将每一卷积核与所述个体患者数据及所述治疗性脑网络反应图重复相乘，及将结果作为像素存储在多个特征图中。

在一些实例中，所述统计预测模型可包含深度卷积神经网络，所述深度卷积神经网络包括经配置以从所述特征图提取进一步特征的堆叠卷积、修正线性单元及池化层。

在一些实例中，方法可包含基于来自所述特征图的所述进一步特征来预测所述疗效。

在一些实例中，方法可包含使用所述统计预测模型来预测所述治疗的参数。

在一些实例中，所述治疗包含迷走神经刺激且所述神经状态可为癫痫发作。

在一些实例中，所述神经状态的所述个体患者数据包括指示癫痫发作产生及传播的脑区与这些区之间的通路的癫痫样棘波或癫痫发作网络图像的数据。

在一些实例中，获得所述神经状态的所述个体患者数据包括使用脑电图(EEG)或脑磁图(MEG)，且获得所述治疗性脑网络反应图包括使用功能性磁共振成像(fMRI)、正电子发射断层扫描(PET)及/或单光子发射计算机断层扫描(SPECT)。

在一些实例中，获得所述神经状态的所述个体患者数据包含使用分群平均棘波及源定位，使用棘波ICA分析及源定位，使用癫痫发作网络分析或其组合。

在一些实例中，获得所述个体患者数据包含将数据投影到脑空间上，识别所述神经状态涉及的脑区，计算癫痫发作脑区之间的通路或其组合。