一个个别的数据驱动的虚拟切除模型,基于网络动态在儿童患有难以治疗的:一个磁脑电图间活动应用程序

科学领域:

• 神经外科 神经外科
• 计算神经科学是一种神经科学.
• 医疗成像医学成像

背景情况:

• 手术是抗药性的关键治疗方法,但由于切除不完整或局部错误,成功率各不相同 (30-70%).
• 提高手术精度对于改善治疗患者的治疗结果至关重要.

研究的目的:

• 开发和验证一个in silico个性化计算神经外科模型用于手术规划.
• 为了提高确定发性区域的准确性,以改善外科切除.

主要方法:

• 这是一项追溯性研究,涉及24名患有焦点耐药性的儿科患者.
• 使用磁脑成像 (MEG) 记录和MRI数据创建个性化的计算模型.
• 利用动态锁定网络进行虚拟皮层切除和分析尖端网络动态.

主要成果:

• 该计算模型准确地预测了79% (19/24) 的儿科患者的临床外科结果.
• 模型失败 (21%) 与预测的发性区域位于切除腔室外的情况有关.
• 成功的预测显示,模型集群位于切除的腔内,与没有的结果相关.

结论:

• 这项研究介绍了使用MEG尖端网络分析进行手术规划的第一个in silico个性化协议.
• 计算模型显示了作为传统手术前评估的补充工具的潜力.
• 这种方法可能会增加手术患者实现无结果的比例.