通过消除高频振荡来预测发作结果的多中心分析

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.
• 医疗工程 医疗工程

背景情况:

• 耐药焦点通常需要手术干预以控制发作.
• 术前内脑电图 (iEEG) 对于识别发作区域和改善手术结果至关重要.
• 高频振荡 (HFO) 是发性组织的潜在生物标志物.

研究的目的:

• 为了调查产生间接HFO的组织切除是否预测药物耐药焦点的手术结果.
• 为了验证HFO在手术规划中的临床相关性,使用多中心,盲目的队列.

主要方法:

• 我们对来自八个国际中心的160个iEEG数据集进行了前性分析.
• 一个自动化的算法在非快速眼动睡眠期间识别了HFO (80-500 Hz),定义了"HFO区域".
• 该研究使用了观察性,盲目队列设计,将HFO区域切除与发作结果相关联 (手术后≥24个月).

主要成果:

• 完全切除HFO区域与明显更高的发作自由概率相关 (几率比为2.61,P=0.02).
• HFO区域的扣押自由度的负预测值 (68%) 超过了单独切除体积的预测值 (51%).
• 完整的HFO区域切除显示出良好的预测性能,曲线下的面积为0.83.3.

结论:

• 确定HFO区域的切割是药物耐药焦点中成功手术结果的重要预测指标.
• 自动化HFO检测和分析提供了一种可靠的方法,可以改善手术规划和患者预后.
• 这种多中心验证加强了HFO在指导手术中的临床实用性.