模拟切除和RNS放置可以优化手术后发作结果,当由快速波纹网络指导

科学领域:

• 神经科学是一个神经科学.
• 神经外科 神经外科
• 发病学 (Epileptology) 是一个专业的学科.

背景情况:

• 耐药性需要手术干预,以实现无发作.
• 目前的手术规划依赖于对发作区 (SOZ) 的电临床划分和多式神经成像.
• 高频振荡 (HFO) 越来越多地被研究为更有效的手术的潜在目标.

研究的目的:

• 评估快波 (FR) 指标在手术后对发作自由的预测能力.
• 探索使用FR指标单独用于外科手术规划的潜力.
• 评估基于FR指标修改切除边界是否可以改善外科手术结果.

主要方法:

• 一台支持矢量机器 (SVM) 使用四个FR指标 (切除比,空间网络测量,两个时间网络测量) 来训练了18名患者.
• 在预测发作自由度方面,SVM的准确性被使用leave-one-out交叉验证 (0.78准确性) 验证.
• 针对高频率FR部位的模拟虚拟切除术进行,以预测虚拟发作自由度和评估切除体积.

主要成果:

• 根据标准切除边界,SVM准确地预测了发作自由度.
• 与标准切除相比,针对FR部位的虚拟切除通常需要更大的体积来预测的自由度.
• 在预测结果不佳的患者中,更大的虚拟切除,包括FR部位,改善了预测的自由度.
• 对响应神经刺激系统 (RNS) 数据的分析表明,针对FR网站的潜在好处.

结论:

• FR测量显示了强大的预测准确度,用于外科的自由.
• 仅仅依靠FR进行手术规划可能需要更大的切除.
• 根据FR指标调整切除边际在预测标准切除失败的情况下有望改善结果.
• 需要进行进一步的研究,以优化针对FR部位的神经刺激,以改善控制.