現代腦電圖（EEG）技術的進步增強了對經典伯杰頻段外，包含重要信息的腦電信號的識別。在癲癇領域，近十年的相關研究主要集中在發作間期>80 Hz 的高頻振蕩（High frequency oscillations, HFOs）。HFOs 大型臨床應用始于癲癇手術術前的評估，近來也開始用于評估癲癇嚴重程度和監測抗癲癇療效。該綜述總結了 HFOs 在癲癇臨床應用的證據，重點介紹了最新的進展。近期大量文獻強調了 HFOs 與術后癲癇預后關系，一篇近期的 Meta 分析證實術后癲癇未發作患者 HFOs 切除率高于術后發作患者，利用術后 EEG 中的殘留 HFOs 比術前 HFOs 率對癲癇手術預后預測更準確。文章深入討論了區分生理性和癲癇性 HFOs 的嘗試，這可能進一步加強 HFOs 的特異度。如睡眠結構分析表明，在癇灶內外對 HFOs 的偶聯有差異。同時，越來越多的證據表明，HFOs 可用于對評估疾病活動度和利用非侵入性 EEG 和腦磁圖（MEG）等檢查中評估治療效果。鑒于兒童 EEG 中 HFOs 比例高，這一技術在患兒中有良好的前景。在嬰兒痙攣癥中經促腎上腺皮質激素治療后 HFOs 比例下降。在Rolandic區棘波時出現 HFOs 與發作頻率相關。耗時的人工評估是過去 HFOs 臨床應用的障礙，目前這一問題可由可靠的計算機算法解決。過去十年，HFOs 研究有了長足進展，利用非侵入性手段檢測 HFOs 已在大量患者中得到應用。期待未來有多中心、大樣本量研究獲取長程監測資料，為這一領域提供更多信息。
癲癇的主要癥狀負擔即癲癇發作的臨床表現。癲癇癥狀學產生的神經機制，尤其是復雜行為的神經機制，仍知之甚少。在將癲癇視為網絡而非局灶性障礙的框架中，我們可以將癥狀學視為由一組相互關聯的結構動態產生的，這些結構之間按一定規律相互作用，而不僅是簡單的解剖定位，從而產生相應的臨床表現。這需要我們如何看待致癇區的范式轉變，包括從術前評估的角度。癥狀學是一個關鍵的數據來源，盡管它在研究中的應用面臨著重大的方法學挑戰，包括觀察者的偏倚和癥狀學歸類的差異。更好地理解癥狀學分類和病理生理學相關性與癲癇分類系統有關。神經機制以及不同癥狀學模式的解剖相關知識的進步有助于提高癲癇網絡的知識，并可能有助于治療創新。
顱內腦電圖對癲癇發作模式的研究對癲癇灶的精確定位和指導成功切除有重要作用。它也引出了癲癇發生機制相關的重要病理生理問題。目前，植入硬膜下和深部電極等記錄方式已經描述了幾種癲癇發作模式 (主要是顳葉癲癇和伴有異質新皮層病變的癲癇)。研究分析了53例患者的連續性隊列資料，所有患者均行立體定向腦電圖 (SEEG) 監測，且病理證實為皮質發育畸形 (Malformation of cortical development, MCD)——局灶性皮質發育不良 (Focal cortical dysplasia, FCD) 和神經發育腫瘤 (Neurodevelopmental tumors, NDTs)。通過對視覺和時間-頻率的分析，證實了存在6種癲癇發作模式：低壓快波活動 (Low-voltage fast activity, LVFA)；發作前棘波繼之LVFA；爆發性多棘波繼之LVFA；慢波/直流電漂移繼之LVFA；θ或α尖波；節律性棘波/棘波。結果表明包含LVFA的模式 (83%) 普遍性較高，但是LVFA并不是癲癇發作的一個固定特征。癲癇發作模式和組織學類型具有相關性 (P=0.01)。更加普遍的模式如下：① FCD Ⅰ型：LVFA占23.1%，慢波/基線漂移繼之LVFA占15.4%；② FCD Ⅱ型：爆發性多棘波繼之LVFA占31%，LVFA占27.6%；發作前棘波繼之LVFA占27.6%；③ NDTs：LVFA占54.5%。發現包含LVFA的癲癇發作模式與較好的手術預后具有相關性，但癲癇灶切除的完整性是一個獨立預測因子；FCD和NDTs有6種不同的癲癇發作模式；包含LVFA的癲癇發作模式的患者手術預后更好。