Nature子刊 | 研究人员提出神经脆性可作为癫痫发作区(SOZ)的脑电图(EEG)标志物

约翰·霍普金斯大学Adam Li研究组发现神经脆性可作为癫痫发作区 (SOZ)的脑电图 (EEG)标志物。他们通过使用注释 SOZ 的神经脆弱性作为预测手术预后的指标，在对 91 名患者的回顾性分析中开发并回顾性验证了一种新的EEG标志物——神经脆弱性。

对于世界各地1500多万无法通过药物控制的癫痫患者来说，唯一剩下的选择是切除大脑中癫痫发作的部分。即便如此，手术的有效性也只有50%，因为精确定位负责的大脑区域具有非常大挑战性。

约翰·霍普金斯大学(Johns Hopkins University)生物医学工程师开发了一种新的方法，可以突出大脑中癫痫最严重部分。该方法不仅可以更准确地诊断癫痫发作，还有助于指导更精确的手术治疗。该团队的研究发表在《Nature Neuroscience》期刊上。

该项研究的工作人员AdamLi表示，“对这些患者来说，唯一可行的治疗方法是通过手术切除导致癫痫发作的大脑区域。然而，手术往往无法达到应有的效果，因为没有生物标记物可以精确定位癫痫大脑区域。我们的目标就是解决这个问题。”

在这项研究中，研究小组描述了他们如何模拟脑电波的动态，从而开发出一种定量测试，来计算任何一个大脑区域导致癫痫发作的可能性。

这个数学模型是基于生物实验得出的，这些实验表明，大脑区域连接的变化会导致大脑不稳定，从而导致癫痫发作。这种不稳定性被称为神经脆弱性(neural fragility)。

神经脆弱的直观图-不平衡和平衡的网络

上图：多次癫痫发作(左)和癫痫发作期间(右)的 iEEG 轨迹。下图:显示导致癫痫发作的脆弱节点连通性变化的网络示意图(右)。这定性地描述了动态iEEG网络背景下的神经脆弱性概念，节点代表兴奋性 (E) 和抑制性 (I) 神经元群。

从动态系统的角度来看，这种不平衡是由少数脆弱节点引起的，以过度激励或抑制不足的形式导致网络不稳定。我们将网络节点的脆弱性定义为在使网络不稳定之前对其邻居的权重施加的最小能量扰动16,18。

在系统理论中，当节点受到扰动时，稳定系统会返回到基线状态。相反，当节点受到扰动时，不稳定的系统会振荡并增长。在癫痫的背景下，脆弱的节点需要较小的扰动才能导致癫痫发作。脆弱性理论可以在线性动力系统的背景下建模：x(t + 1) = Ax(t)。扰动A矩阵的列将改变一个特定节点(即该列)与其相邻节点的动态连接，导致网络不平衡。

研究小组将这个数学模型应用于EEG数据，计算每个EEG电极的神经脆弱性。

之后，研究人员开发软件用于处理脑电图数据，处理并返回结果图显示整个大脑通道的神经脆弱性随着时间的推移。这些信息有助于提高癫痫的诊断和帮助指导患者的手术治疗。该软件获得了 FDA 510k 的许可，Adam Li 预计该热图将有助于临床医生诊断癫痫脑区。

上图为DRE患者可能出现的不同癫痫病因的困难示意图。由于EZ没有生物标志物，也从未被直接观察到，导致癫痫发作的网络机制是复杂的。根据数据集中存在的定位困难程度的增加，临床病例的复杂性排序为lesional (1), focal temporal (2), focal extratemporal (3) 以及 multifocal (4)。这四种分类简化了可能的癫痫表现，但为临床观察到的简单或复杂病例提供了广泛的分类。

实验设计示意图。下图:一个简化的类似工作流程，临床医生用来评估他们对提议的SOZ定位，从而进行手术。

Adam Li表示:“我们目前正在寻求更多资金，将产品推向市场。我们预计这可能需要一到两年的时间。”

研究团队在openneuro.org(一个 NIH 资助的神经数据存储库)上发布了匿名 EEG 数据的子集，以帮助促进数据共享和分析。

该团队的下一个目标是在癫痫发作之外记录的 EEG 数据中复制其发现。

Adam Li 表示“我们想在没有任何癫痫活动的情况下记录 EEG 数据，看看我们是否可以仅使用这些数据来确定癫痫大脑区域。这是非常有用的，因为这样我们就可以利用患者通常拥有的大量癫痫性 EEG 数据。”这将减少确定治疗所需的时间，并最大限度地减少患者与颅内脑电图监测相关的风险和医院费用。

相关信息：

Adam Li et al, Neural fragility as an EEG marker of the seizure onset zone, Nature Neuroscience (2021).

DOI: 10.1038/s41593-021-00901-w

https://medicalxpress.com/news/2021-10-epilepsy-surgical-precision.html

仅用于学术交流，不用于商业行为，若有侵权及疑问，请后台留言，管理员即时删侵！更多阅读