手术前的结构连接性预测了质瘤患者手术后的认知障碍

科学领域:

• 神经科学是一个神经科学.
• 医疗成像医学成像
• 计算生物学 计算生物学

背景情况:

• 质瘤手术往往导致认知障碍,这对手术前的预测构成了挑战.
• 认知功能越来越多地通过大脑网络的镜头来理解,特别是默认模式网络 (DMN) 和前端对称网络 (FPN).
• 结构性网络漏洞被假设是术后认知缺陷的基础.

研究的目的:

• 开发和验证一种模型,用于预测质瘤患者的个体术后认知障碍.
• 评估在DMN和FPN内的外科前结构连接的预测能力.
• 确定认知障碍的关键预测因子,以改善神经外科规划和患者咨询.

主要方法:

• 个性化结构连接体是从63名质瘤患者手术前的扩散权重MRI数据中生成的.
• 随机森林分类器使用基线,瘤位置和DMN/FPN结构网络变量进行训练.
• 用曲线下的面积 (AUC-ROC) 来评估模型性能,并进行了对显著性进行排列测试.

主要成果:

• 结合手术前的DMN和FPN连接的模型显著预测了手术后的认知障碍 (AUC = 0.73-0.76,P < 0.001).
• 基于网络的模型表现优于仅依赖基线变量 (AUC = 0.69) 或瘤位置 (AUC = 0.62) 的模型.
• 关键预测因素包括年龄较大和特定的DMN (左侧上额头,双侧中额头) 和FPN (右侧) 区域的连接性降低.

结论:

• 术前的DMN和FPN的结构连接是质瘤患者术后认知障碍的有价值预测指标.
• 这项研究强调了这些网络在治疗后维持认知功能的关键作用.
• 开发的模型为认知性提供了潜在的生物标志物,可以帮助进行手术前风险评估和患者咨询.