Seizures are a disruption of normal brain activity present across a vast range of species, diseases, and conditions. Here we introduce a mathematical theory, Epidynamics, which provides a conceptual framework to characterize how seizures start, evolve, and terminate. We provide the first objective taxonomy of seizures based on a straightforward analysis of EEG data. Analyzing over 2000 focal-onset seizures recorded from 7 epilepsy centers on five continents, we find evidence of the predicted 16 Dynamic Classes of seizures. The theory also enables drawing a map of brain dynamics that includes most seizure classes and status epilepticus. We demonstrate that patients navigate the map during their lifetime and verify critical predictions of the theory. Epidynamics not only provides a way to stratify patients in complement to present practical classifications but also guides biophysically based mechanistic approaches and provides a language to describe the most critical features of seizure dynamics.

Abstract Optimizing antiepileptic drug therapy is very challenging due to the absence of a reliable method to assess how brain activity changes between seizures. This work uses the Taxonomy of Seizure Dynamics (Saggio et al. , 2020) to investigate how anticonvulsants influence seizure onset dynamotypes. The no Mg 2+ /high K + mouse brain-slice seizure model (N = 92) was used to generate consistent epileptiform onsets. We compared the onset bifurcations of controls with slices treated with either GABA or carbamazepine. Each anticonvulsant uniquely changed the types of bifurcations in the slices. This experiment provides proof-of-concept evidence that brain states exist on a “map” of seizure dynamics, and that antiepileptic drugs with different mechanisms can change the positioning of the brain states on the map. Impact statement Antiepileptic drugs modify underlying brain states and influence the pathway into seizure onset in brain slices.