背景与目的:虽然抗癫痫药物（Antiepileptic drugs,AEDs）是癫痫患者的首选治疗方法,但30-40%的癫痫患者（Patients with epilepsy,PWEs）最终会发展为药物难治性癫痫（Drugrefractory epilepsy,DRE）。药物难治性癫痫患者有更高的概率经历意外死亡、受伤、心理社会功能障碍和生活质量下降。治疗前识别DRE高危患者,在随后的治疗中引导他们走向更个性化的干预,具有很高的临床效用。早期预测DRE及时采取其他干预措施,如生酮饮食、手术切除和神经调节治疗,尽可能减少癫痫的发作,从而减轻患者及其家属的负担。早期识别AEDs的耐药性将有助于优化治疗方案,从而改善患者的长期预后,但由于药物反应性的复杂性,迄今为止,这方面的研究还很少。这篇研究中,我们的目标是建立一个综合的预测模型,预测未曾服药的PWEs对抗癫痫药物的反应性,探究新诊断的癫痫患者发展为DRE的可能性,并确定影响其结果的临床和脑电图（Electroencephalogram,EEG）因素。方法:本研究回顾性分析了 2014年1月至2020年6月在河南省人民医院癫痫中心诊疗的164例未曾服药的PWEs。其中113例患者经过规范抗癫痫药物治疗后控制良好,51例患者属于经过一年以上规范的AEDs治疗后效果欠佳的难治性患者。根据开始服用AEDs前的相位滞后指数,确定了 18个临床特征和684个脑电图功能连接变量。我们共构建三种预测模型:分别利用临床特征、脑电图特征构建两个单独的预测模型,临床结合脑电图的整合特征构建了综合的预测模型。总的来说,每组80%的人被随机选择建立一个经过10倍交叉验证的支持向量机（Support vector machine,SVM）模型,剩余的20%被用于评估模型的性能。绝对权重值被用来对分类有影响的特征进行排序。结果:基于临床和脑电功能连接特征,建立了预测抗癫痫药物疗效的SVM模型。相较于其他两个单独模型,综合预测模型取得了最好的表现。该模型的准确率为 94%[95%置信区间（Confidence interval,CI）=0.85-1.0],敏感度为95%[95%CI=0.82-1.0],特异性为 93%[95%CI=0.77-1.0],曲线下面积（Area under the curve,AUC）为0.98[95%CI=0.91-1.0]。准确率、灵敏度、特异性和AUC的p值分别为 0.001、0.001、0.01 和 0.001。δ频带的T4-FZ和T3-PZ、α频带的T3-T6,β频带的和F7-CZ和FP2-F3是对SVM分类器影响最大的特征。结论:我们构建了一种预测未服药PWEs发展为耐药性癫痫可能性的综合预测模型。