休息状态连接性在手术后发作自由的生物标志物
Eva Martinez-Lizana1, Armin Brandt1, Matthias Dümpelmann1
1Epilepsy Center, Medical Center, University of Freiburg, Breisacher Str. 64, 79106 Freiburg im Breisgau, Germany.
NeuroImage. Clinical
|September 20, 2024
概括
通过分析大脑网络属性,可以预测手术的结果. 手术后没有发作的患者显示,信息流入到发作发作区域较少,这表明网络更加分离.
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.
- 网络科学 网络科学
背景情况:
- 的特征是经常出现未引起的发作,通常与大脑网络功能的改变有关.
- 预测手术的成功对于患者管理至关重要.
- 功能网络的特征可以提供对外科手术结果的见解.
研究的目的:
- 在手术前估计功能性大脑网络特征.
- 为了确定这些网络属性是否可以预测外科手术后的发作自由.
主要方法:
- 高密度脑电图 (HD-EEG) 用于记录20名患者的静止状态大脑活动.
- 权重最小规范估计和部分定向连接被用来分析二极管源时间课程和信息流.
- 图形理论测量被计算为通过标准EEG频段进行大脑网络分析.
主要成果:
- 在贝塔和三角波段的较低信息流入发性区域预测了的自由度 (p=0.012,p=0.026).
- 在没有发作的患者中观察到β频段的平均路径长度更高 (p=0.012).
- 增加的局部效率和三角洲带的聚类系数与发作自由度相关 (p=0.033,p=0.046).
结论:
- 在手术前分析网络特性,特别是减少信息流入和增加发作区域的网络分离,可以预测成功的手术.
- 这些发现支持这样的假设,即网络特征对于识别适合手术的候选人来说是有价值的.
