在手术后的内EEG结构-功能合和发作结果
Nishant Sinha1, John S Duncan2, Beate Diehl2
1From the Department of Neurology (N.S., K.A.D.), Penn Epilepsy Center, Perelman School of Medicine, and Center for Neuroengineering and Therapeutics (N.S., K.A.D.), University of Pennsylvania, Philadelphia; Translational and Clinical Research Institute (Y.W., P.N.T.), Faculty of Medical Sciences, and Computational Neuroscience, Neurology, and Psychiatry Lab (Y.W., P.N.T.), ICOS Group, School of Computing, Newcastle University; Department of Epilepsy (J.S.D., B.D., F.A.C., J.d.T., A.M., A.W.M., G.P.W., Y.W., P.N.T.), UCL Queen Square Institute of Neurology; UCL Centre for Medical Image Computing (S.B.V.); Neuroradiological Academic Unit (S.B.V.), UCL Queen Square Institute of Neurology, London; MRI Unit (J.S.D., G.P.W.), Chalfont Centre for Epilepsy, Bucks, United Kingdom; Centre for Microscopy, Characterisation, and Analysis (S.B.V.), The University of Western Australia, Nedlands; and Division of Neurology (G.P.W.), Department of Medicine, Queen's University, Kingston, Canada. nishant.sinha@pennmedicine.upenn.edu peter.taylor@newcastle.ac.uk.
更强大的大脑结构功能合预测成功的手术结果. 这一发现可以改善对耐药性的患者选择和手术规划,增强控制.
科学领域:
- 神经科学是一个神经科学.
- 神经外科 神经外科
- 医疗成像医学成像
背景情况:
- 耐药性需要手术干预,通过改变大脑网络来控制发作.
- 了解大脑结构和功能之间的关系对于优化手术成功至关重要.
研究的目的:
- 研究大脑结构-功能连接和的手术结果之间的相关性.
- 确定量化这种合是否可以预测手术后的发作自由度.
主要方法:
- 使用内EEG (iEEG) 和MRI数据构建功能和结构性大脑网络.
- 在全球和单个电极水平上量化结构-功能合.
- 开发了一个结合合指标和临床变量以获得发作自由的预测模型.
主要成果:
- 在植入的大脑区域中,更强的结构-功能合与自由度相关 (AUC=0.78).
- 在高度合的区域进行虚拟手术预测无结果 (AUC=0.73).
- 结合合措施和临床数据,实现了高预测准确度 (AUC=0.91,准确度为92%).
结论:
- 结构-功能连接性合是手术成功的关键预测因素.
- 将合措施集成到术前评估中可以增强发性组织的局部化和患者选择.
