Anotaciones de consenso de múltiples expertos sobre convulsiones espontáneas e inducidas por estimulación en...

Área de la Ciencia:

• Neurociencia
• Informática Médica
• Epileptología

Sus antecedentes:

• La detección y localización automatizadas de convulsiones dependen de conjuntos de datos de referencia validados.
• Los conjuntos de datos existentes a menudo carecen de consenso de múltiples expertos y excluyen las convulsiones inducidas por estimulación, lo que limita la validación de algoritmos.

Objetivo del estudio:

• Presentar un nuevo conjunto de datos de grabaciones de electroencefalografía estereotáctica con anotaciones de múltiples expertos tanto para convulsiones espontáneas como inducidas por estimulación.
• Permitir la validación de algoritmos automatizados de detección y localización de convulsiones en comparación con el rendimiento de expertos humanos.
• Apoyar el análisis comparativo de las redes de convulsiones.

Principales métodos:

• Se recopilaron grabaciones de electroencefalografía estereotáctica de 83 convulsiones (46 espontáneas, 37 inducidas por estimulación) en 32 pacientes con epilepsia resistente a los medicamentos.
• Tres epileptólogos anotaron de forma independiente el inicio de la convulsión, los canales de inicio y los canales de diseminación utilizando un protocolo estandarizado.
• Se establecieron anotaciones de consenso mediante votación mayoritaria; los datos se adhieren a los estándares de Brain Imaging Data Structure (BIDS).

Principales resultados:

• Se logró una concordancia sustancial entre evaluadores (κ = 0.64 para canales de inicio, κ = 0.62 para canales de diseminación).
• Se demostró una alta concordancia individual del evaluador con el consenso (κ = 0.81 para inicio, κ = 0.80 para diseminación).
• Las métricas de concordancia fueron comparables entre las convulsiones espontáneas y las inducidas por estimulación.

Conclusiones:

• El conjunto de datos presentado proporciona un recurso valioso para el desarrollo y la validación de algoritmos de detección y localización de convulsiones.
• El conjunto de datos facilita la comparación directa del rendimiento del algoritmo con las anotaciones de expertos.
• Apoya la investigación sobre las diferencias en las redes de convulsiones entre eventos espontáneos e inducidos por estimulación.