个体化的结构网络偏差预测了叶的外科手术结果:一个多中心验证研究
Li Feng1,2, Honghao Han3,4, Jiajie Mo5
1Department of Neurology, Xiangya Hospital, Central South University, Changsha, P.R. China.
International journal of surgery (London, England)
|July 3, 2025
概括
在 mesial temporal lobe epilepsy (mTLE) 中预测手术成功至关重要. 使用手术前个性化结构共变网络 (iSCN) 的机器学习模型可以准确地预测手术后的自由度.
科学领域:
- 神经科学是一个神经科学.
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 手术切除是医疗不耐药的半径叶 (mTLE) 的关键治疗方法.
- 超过三分之一的患者在外科手术后无法实现无发作.
- 预测外科手术的结果仍然是一个挑战.
研究的目的:
- 在mTLE患者中评估手术前的个体形态测量网络特征.
- 开发一个机器学习模型来预测mTLE.LE中的手术结果.
- 确定可靠的生物标志物,以进行个性化外科治疗.
主要方法:
- 这是一项多中心的回顾性研究,对189名mTLE患者和78名对照进行了研究.
- 从T1加权MRI构建手术前个性化结构共变网络 (iSCN).
- 支持在iSCN特征上训练的矢量机器模型,在外部数据集中验证.
主要成果:
- 非无 (NSF) 患者在手术节省的网络中显示出更大的iSCN偏差.
- 反侧面的iSCN特征最好地预测了发作结果 (82%的准确性,AUC 0.81).
- 外部验证证实了模型的概括性 (准确度为80-88%,AUC为0.80-0.82).
结论:
- 个性化的结构生物标志物可以可靠地预测mTLE.mTLE中的外科结果.
- 使用iSCN的机器学习模型显示出预测手术成功的前景.
- 这些发现支持针对mTLE进行量身定制的外科治疗策略.
