间隔性内EEG不对称性侧面化叶

科学领域:

• 神经科学是一个神经科学.
• 发病学 (Epileptology) 是一个专业的学科.
• 医疗技术 医疗技术 医学技术

背景情况:

• 耐药性叶 (TLE) 需要内EEG (iEEG) 进行发作区域 (SOZ) 侧面化.
• 目前iEEG的使用重点是捕捉发作,仅限于在外科规划中使用丰富的接触间数据.
• 对TLE的外科干预带有患病率和复发的风险.

研究的目的:

• 为了预测SOZ的横向性,使用TLE患者的间接iEEG数据.
• 评估间接电脑电图特征在指导外科手术决策中的有用性.
• 将模型预测与手术结果进行比较.

主要方法:

• 追溯队列研究,单中心开发和双中心验证 (2015-2022年).
• 后勤回归模型是使用间接iEEG特征来预测SOZ横向性的后勤回归模型.
• 模型预测的横向性对应性与手术结果的比较,这些患者有良好的和不良的结果.

主要成果:

• 内部队列交叉验证的AUC为0.83左侧和0.68右侧使用尖峰率预测SOZ.
• 外部队列平衡精度为79.3% (左) 和78.9% (右).
• 在具有良好的外科结果的患者中,SOZ横向性和手术侧面之间的预测一致性更高.
• 右TLE更难区分,与静止状态fMRI发现一致.

结论:

• 明显的间接EEG信号与TLE中的SOZ横向性相关.
• 左侧的SOZ比右侧的SOZ使用间接EEG更容易区分.
• 一个基于峰值率的模型准确地识别了左侧的SOZ,并预测了手术结果.
• 间隔EEG分析可以支持或反驳单方面TLE假设,为手术干预选择提供信息.