在使用回归和机器学习的脑瘤患者中,手术前和手术内运动皮层刺激性的相关性

科学领域:

• 神经外科 神经外科
• 神经生理学 神经生理学
• 机器学习 机器学习

背景情况:

• 准确的神经生理学评估对于切除靠近运动雄辩区域的 supratentorial 瘤至关重要.
• 导航式横磁刺激 (nTMS) 和手术内神经生理监测 (IONM) 是绘制运动功能的关键工具.
• 将手术前的nTMS与手术内IONM进行比较可以改进外科手术策略.

研究的目的:

• 为了比较手术前的nTMS静止运动值 (RMT) 与手术期间的IONM运动值 (MT) 在患有超门瘤的患者中.
• 研究与瘤特征相关的nTMS和IONM值之间的关系.
• 评估机器学习在基于运动唤起潜力 (MEP) 的基础上区分受瘤影响的半球中的实用性.

主要方法:

• 追溯分析65名具有运动雄辩性 supratentorial 瘤的患者,接受了nTMS和IONM.
• 计算nTMS和IONM值比率,将瘤受影响的一方与健康的一方进行比较.
• 实施一个随机森林机器学习算法,使用MEP数据来分类半球.

主要成果:

• 在受瘤影响的侧面,nTMS-RMT和IONM-MT都显着更高,特别是在前中心瘤瘤中.
• 在术前的nTMS-RMT比率和术后的IONM-MT比率之间发现了正线性相关性.
• 随机森林分类器在使用MEP数据区分半球时达到90%以上的准确性.

结论:

• 瘤的存在,特别是在前中心,导致在手术前和手术后的评估中皮质刺激性降低.
• 手术前的nTMS发现较低的兴奋度与手术期间的观察结果相关.
• 手术前的nTMS映射可以指导手术内刺激参数的选择,以最大限度地减少假阴性结果并提高手术安全.