用患者特定的电刺激来有效地抑制使用数据驱动的动态网络模型的发作.
概括
这项研究引入了一种特定于患者的方法,使用皮质皮质唤起潜能 (CCEPs) 来确定最佳的神经刺激部位和抑制发作的信号. 数据驱动的方法显著减少了in silico的发作活动.
科学领域:
- 神经科学是一个神经科学.
- 生物医学工程 生物医学工程
- 计算医学是一种计算医学.
背景情况:
- 影响着数以百万计的人,许多人经历了不耐药性,对药物无反应.
- 电刺激疗法提供了一个替代方案,但最优的刺激参数 (位置,信号) 难以确定.
- 目前神经刺激的试错方法是低效和侵入性的.
研究的目的:
- 开发一种数据驱动的,针对患者的方法,以优化神经刺激参数以抑制发作.
- 为了确定耐火性的最有效的刺激位置和信号设计.
- 为了利用皮质皮质唤起潜力 (CCEPs) 进行个性化治疗.
主要方法:
- 从患者CCEP记录中构建转移函数模型.
- 分析波德图表以确定在发作区域 (SOZ) 频道中最小化信号大小的频率.
- 利用数据驱动的方法来确定患者特定的刺激参数.
主要成果:
- 在临床注释的SOZ通道内显示出显著的信号抑制.
- 使用开发的方法,在中达到高达81%的信号抑制.
- 验证了针对性神经刺激的数据驱动方法的有效性.
结论:
- 拟议的方法提供了一种新的,针对患者的策略,用于在医疗耐药性中有效的神经刺激.
- 这种方法为改善抑制和改善患者生活质量提供了基础.
- 未来的临床验证计划将这些发现转化为实践.
