自带生物标志物用于预测发性区域和从间接数据的外科成功

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
• 系统生物学 系统生物学

背景情况:

• 影响全球超过5000万人,其中30%的人患有医疗耐药性 (MRE).
• 手术切除发性区域 (EZ) 是一个关键的治疗方法,但由于缺乏经过验证的EZ生物标志物,成功率各不相同 (30-70%).
• 目前的EZ定位依赖于长时间的侵入性脑内电图 (iEEG) 监测和发作期间的视觉解释.

研究的目的:

• 开发一种新的,不依赖发作的EZ局部化生物标志物.
• 在使用线性系统理论的动态网络模型 (DNM) 中正式检测下沉区域.
• 评估DNM的主要自身向量作为预测EZ和手术结果的潜在生物标志物.

主要方法:

• 开发了一种正式的方法来识别DNM中的沉没区域,该方法基于稳态解决方案和状态过渡矩阵的领先自向量.
• 从6个中心65名MRE患者的5分钟间接电脑电图记录中构建了针对患者的DNMs.
• 从每个DNM计算平均领先的自身向量,以评估它们作为EZ生物标志物的有效性.

主要成果:

• 领先的自身矢量生物标志物准确地预测了EZ,平均准确率为66.81%±0.19%.
• 该生物标志物还预测了手术成功,平均准确率为71.9%±0.22%.
• 这些结果是使用仅5分钟的间接电脑脑电图数据获得的,与当前的多周监测方法相比.

结论:

• 来自DNM的领先自身向量作为一个有前途的,快速的生物标志物用于MRE患者EZ定位.
• 这种新的方法有可能显著改善手术规划和患者的治疗结果.
• 该方法为当前的诊断标准提供了一个更快,潜在的更少侵入性的替代方案,提高了患者的护理和生活质量.