江海腾团队在Advanced Science发文，揭示短时SEEG静息态定位癫痫病灶源与预测疗效的可能

2022年5月12日，浙江大学脑与脑机融合前沿科学中心/医学院附属精神卫生中心（杭州市第七人民医院）江海腾课题组在Advanced Science 杂志在线发表了题为“Interictal SEEG resting-state connectivity localizes seizure onset zone and predicts seizure outcome”的研究长文。该研究突破癫痫诊疗过程需要长期监测癫痫发作信号的限制，通过10分钟短时静息状态立体脑电描记术（SEEG），结合先进的脑网络分析方法和机器学习算法，开发了一种新方法来定位癫痫发作病灶区和预测癫痫术后效果，达到了90%的准确率，提示其巨大的临床价值和应用前景。

癫痫是最常见的神经系统疾病之一，影响了全球约7000万人。据统计，至少有三分之一的癫痫患者会产生耐药性，因此癫痫手术往往是下一个备选治疗方案。癫痫手术成功的关键在于致痫区的准确定位，并对其进行安全切除。作为致痫区的一个重要组成部分，癫痫发作区主要由颅内电生理信号的监测来确定引发临床癫痫发作的大脑区域。尽管癫痫手术已被证明在减少癫痫发作方面有效，但仍有很大的改善空间。

立体脑电描记术(SEEG)是一种行之有效且安全的神经外科方法，用于记录癫痫发作期/发作间期的大脑活动。在临床实践中，确立癫痫发作脑区的金标准一般是通过数天甚至数周的SEEG监测来捕获多次癫痫发作信号。因此，一种无需长时间的颅内记录，可通过分析短时的静息状态数据来定位癫痫病灶源和预测术后效果的方法将具有巨大的临床价值。

研究团队针对这一问题利用10分钟的短时静息状态SEEG数据，开发了一种新方法来识别癫痫发作病灶区和预测癫痫术后效果。

在一个由27名耐药性癫痫患者组成的队列中，研究团队通过方向性连接计算了短时静息态的信息流，并从功率谱的功率斜率中推测了兴奋-抑制比率。研究团队假设，在相对稳定的静息状态下，癫痫发作区和非癫痫发作区之间的多个频率信息流的拮抗可能与被破坏的兴奋-抑制平衡有关。此外，研究团队推测拮抗作用的强度反映了内在的癫痫网络特征，最终与癫痫发作结果相关。研究团队发现，与癫痫发作区相比，非癫痫发作区的兴奋性更强，主要信息流从非癫痫发作区流向癫痫发作区。癫痫发作区和非癫痫发作区之间静息状态信息流的更大差异与更好的癫痫术后结果有关。通过将平衡随机森林模型与静息状态连通性相结合，研究团队的方法以88%的准确率定位了癫痫发作病灶区，以92%的准确率预测了癫痫术后效果。总体而言，此研究表明，短时的静息状态SEEG数据可以显著促进癫痫发作病灶区的识别，并可能最终预测癫痫术后效果，而无需长期记录癫痫发作。

该工作在美国卡内基梅隆大学生物医学工程系贺斌教授合作指导下，主要由江海腾研究员完成，其他合作者包括卡内基梅隆大学生物医学工程系博士生叶帅、哈佛大学麻省总医院Mark Richardson和Vasileios Kokkinos博士以及匹兹堡大学医学院癫痫中心Anto Bagić 和 Alexandra Urban博士。

江海腾研究员团队长期致力于脑疾病的分析方法、机制探究以及临床转化。以第一作者或通讯作者在Advanced Science（2022）、Annals of Neurology （2019）、 Neuropsychopharmacology（2020）、 Bipolar Disorder （2020）、Cerebral Cortex（2020）和NeuroImage（2015）等杂志发表文章多篇。课题组欢迎对医学大数据的人工智能、神经工程、计算神经科学、脑科学与认知神经科学等感兴趣或有相关背景的博士后、博士研究生、硕士研究生和广大本科生加入，有意者可联系[e-mail]。

原文链接：

https://onlinelibrary.wiley.com/doi/10.1002/advs.202200887

来源：江海腾课题组

往期回顾

浙江大学

脑科学与脑医学学院

长按二维码关注我们