亚洲人群耐药性癫痫风险因素分析及列线图预测模型的构建与应用

【编辑推荐】针对亚洲癫痫患者中20-30%的耐药性癫痫(DRE)难题，厦门中山医院团队通过452例回顾性队列研究，整合临床与影像学20项参数，构建了基于年龄、异常MRI、发作时长/频率及多发作类型的DRE预测列线图模型。模型训练集AUC达0.88，验证集0.83，为早期干预提供可视化工具，成果发表于《Clinical Neurology and Neurosurgery》。

　　

癫痫作为一种全球性神经系统疾病，影响着超过5100万患者，其中中国患者约1000万。尽管抗癫痫药物(AEDs)对多数患者有效，但20-30%会发展为耐药性癫痫(Drug-Resistant Epilepsy, DRE)，即经两种以上恰当AEDs治疗后仍无法控制发作。这一群体面临更高的死亡风险和生活质量下降，而亚洲人群的DRE预测工具尚属空白。

厦门中山医院（复旦大学附属）的研究团队针对这一临床痛点，开展了一项历时5年（2018-2023年）的回顾性队列研究。通过对452例癫痫患者（含122例DRE）的临床特征、视频脑电图(VEEG)和磁共振成像(MRI)等20项参数分析，首次构建了适用于亚洲人群的DRE预测列线图模型。研究发现，起病年龄、异常MRI表现、发作持续时间、发作频率及多发作类型是DRE的五大独立风险因素。该模型在训练集和验证集的曲线下面积(AUC)分别达到0.88和0.83，校准曲线显示预测与实际结果高度吻合。

研究采用多阶段筛选策略：从647例初筛患者中排除195例（含63例数据不全者和132例用药依从性<80%者）。通过单因素与多因素logistic回归分析确定关键预测因子，最终建立的列线图将复杂统计模型转化为直观的图形化评分工具。技术层面主要涉及：1）基于医院队列的回顾性数据采集；2）VEEG和MRI的标准化判读；3）多变量回归建模与验证；4）列线图的构建与性能评估（含ROC曲线、C-index和校准图）。

主要研究结果

• 基线特征：DRE组与非DRE组在起病年龄（16.2±9.1 vs 22.4±13.7岁）、MRI异常率（68.9% vs 42.1%）等存在显著差异
• 风险因素：多因素分析显示，早发型癫痫(<12岁)的DRE风险增加3.2倍（OR=3.2, 95%CI 1.8-5.7），而每周发作>1次使风险提升2.4倍
• 模型验证：列线图在区分DRE时展现出优异性能，训练集灵敏度达81.3%，特异性89.6%

结论与意义
该研究首次为亚洲癫痫患者提供了可量化的DRE预测工具。模型揭示的五大风险因素中，影像学异常（如海马硬化）与发作特征（高频/长时间）的协同作用尤为关键。临床实践中，医生可通过该列线图快速评估患者风险：例如，一名15岁伴颞叶异常MRI的癫痫患者，若每月发作4次且持续>5分钟，其DRE概率可能超过70%，提示需尽早考虑手术评估或新型AEDs方案。

研究也存在一定局限，如单中心设计可能影响模型泛化性，且未纳入遗传标记物等新兴指标。但作为首个针对亚洲人群的DRE预测模型，其临床价值显著——不仅能优化治疗决策，还可能通过早期干预改变DRE自然病程。未来需开展多中心前瞻性研究进一步验证，并探索将人工智能技术与列线图结合的优化路径。