该SEEG大脑网络预测了射频热凝固的性手术结果
Jingxian Shen1, Hongping Tan2, Bocheng Wu3
1Key Laboratory of Brain, Cognition and Education Science, Ministry of Education, China; Institute for Brain Research and Rehabilitation, and Guangdong Key Laboratory of Mental Health and Cognitive Science, South China Normal University,, Guangzhou, Guangdong 510631, China; Graduate School of Systemic Neurosciences, Ludwig Maximilians University, Munich, Bavaria 82152, Germany.
Epilepsy research
|December 2, 2025
概括
预测手术的结果是很困难的. 这项研究表明,在立体电脑导图导向的射频热凝疗 (SEEG导向的RF-TC) 后,大脑网络特征的变化可以预测患者的成功,帮助治疗选择.
科学领域:
- 神经科学是一个神经科学.
- 计算神经科学是一种神经科学.
- 医疗技术 医疗技术 医学技术
背景情况:
- 立体电脑学引导的射频热凝疗法 (SEEG引导的RF-TC) 越来越多地用于治疗.
- 由于缺乏可靠的生物标志物,预测SEEG引导的RF-TC的术后结果仍然是一个挑战.
- 了解大脑网络的变化对于提高治疗疗效至关重要.
研究的目的:
- 确定大脑网络特征,可以预测患者的SEEG导向RF-TC的术后结果.
- 分析与治疗成功相关的RF-TC前后大脑网络拓学的变化.
- 根据网络特征评估机器学习模型在预测治疗结果方面的性能.
主要方法:
- 使用部分定向一致性和定向转移功能的SEEG大脑网络在31名焦点皮质发育不良患者中进行了构建.
- 提取的大脑网络特征,包括特征路径长度 (L),中间中心度 (BC),聚类系数 (C) 和分类系数 (R1,R2).
- 应用威尔科克森测试来比较良好的和坏的结果组之间的术前和术后网络特征,并利用四个机器学习模型来预测结果.
主要成果:
- 在RF-TC后,有利结果组显示L和BC增加,C和R1/R2降低;不良结果组没有显著的网络变化.
- 支持矢量机 (SVM) 模型表现出高预测性能:0.887准确度,0.821灵敏度,0.920特异性和0.879 ROC.
- 确定了与成功的RF-TC治疗相关的大脑网络拓学的特定变化.
结论:
- 改变后RF-TC的大脑网络特征可以作为可靠的生物标志物,用于预测的外科手术结果.
- 机器学习模型,特别是SVM,可以有效地利用这些网络变化来区分有利和不良的治疗反应.
- 这项研究通过大脑网络提供了对机制的洞察,并提出了基于网络特征调制的新治疗策略.
