有効な接続性は,側頭葉の手術の結果を予測する:SEEG研究

科学分野:

• 神経外科
• エピレプトロジー
• 計算神経科学

背景:

• 側頭葉の (TLE) は最も一般的な薬剤耐性 (DRE) で,手術後の発作無病率は約70%である.
• TLE手術の成功には,エピレプトゲンゾーンの正確な局所化と手術的切除が不可欠です.
• TLE患者の手術結果を予測する現在の方法は正確ではありません.

研究 の 目的:

• TLE患者の外科的予後を予測するための新しい方法を開発する.
• 頭蓋内電気脳図 (iEEG) を用いて,手術用切除領域を有効な接続特性で統合する.
• TLEの手術計画と結果の精度を向上させるため

主な方法:

• 手術を受けた56人のTLE患者を分析し,1年以上にわたって追跡した.
• ステレオ電気脳図 (SEEG) と単発パルス電気刺激 (SPES) 試験を用いる.
• 皮質皮質誘発電位 (CCEPs) を用いた機械学習 (ML) モデル (SVM) を構築し,手術結果を予測する.

主要な成果:

• 手術の結果が異なっていた患者間で,有効な接続性の有意な違いが観察されました.
• 発作のない患者は,発作発症ゾーン (SOZ) と外部の領域,および切除領域の間のより強い接続性を示した.
• 開発されたMLモデルは高い予測精度 (0. 800) とAUC (0. 893) を達成した.

結論:

• 手術切除領域と有効な接続性を統合すると,TLEの手術結果を予測する可能性がある.
• このアプローチは外科的切除を洗練し,TLE患者の予後を改善するための新しい戦略を提供します.
• この方法のさらなる検証は,手術計画とエピレプシー手術の成果の改善につながる可能性があります.