[論文レビュー] Individual structural connectivity defines propagation networks in partial epilepsy

Timothée Proix, Fabrice Bartoloméi+2 more|arXiv (Cornell University)|Apr 28, 2016

Functional Brain Connectivity Studies参考文献 72被引用数 8

ひとこと要約

本研究では、個別に得られた拡散MRIを用いた構造的結合を基に構築された患者特異の仮想脳モデルが、薬物耐性性局灶性てんかんにおけるてんかん発作の広がり様式を正確に予測できることを示した。個別脳ネットワーク上でのネットワークダイナミクスのシミュレーションにより、てんかん発作の広がりにおける個体差や術後結果の差を説明でき、SEEGデータおよび臨床的評価と照合することで、その予測能を検証した。

ABSTRACT

Neural network oscillations are a fundamental mechanism for cognition, perception and consciousness. Consequently, perturbations of network activity play an important role in the pathophysiology of brain disorders. When structural information from non-invasive brain imaging is merged with mathematical modeling, then generative brain network models constitute in-silico platforms for the exploration of causal mechanisms of brain function and clinical hypothesis testing. We here demonstrate along the example of drug-resistant epilepsy that patient-specific virtual brain models derived from diffusion MRI have sufficient predictive power to improve diagnosis and surgery outcome. In partial epilepsy, seizures originate in a local network, the so-called epileptogenic zone, before recruiting other close or distant brain regions. We create personalized large-scale brain networks for 15 patients and simulate the individual seizure propagation patterns. Model validation is performed against the presurgical stereotactic electroencephalography (SEEG) data and the standard-of-care clinical evaluation. We demonstrate that the individual brain models account for the temporal variability in patient seizure propagation patterns and explain the variability in postsurgical success. Our results show that individual variations in structural connectivity, when linked with mathematical dynamic models, have the capacity to explain changes in spatiotemporal organization of brain dynamics as observed in network-based brain disorders, thus opening up avenues towards discovery of novel clinical interventions.

研究の動機と目的

• 個別構造的結合を用いて局灶性てんかんにおける発作広がりをシミュレートする患者特異の仮想脳モデルの開発。
• これらのモデルを術前ステレオEEG（SEEG）データおよび臨床的評価と照合して検証すること。
• 個々の構造的結合のばらつきが、発作広がり様式および手術結果の差を説明できるかどうかを調査すること。
• てんかんにおける臨床仮説の検証および治療計画の改善のための計算フレームワークの確立。

提案手法

• 薬物耐性性局焦点性てんかんを有する15名の患者について、拡散MRIデータを用いて大規模脳ネットワークモデルを構築し、構造的結合をマップする。
• 神経集団ダイナミクスの数学的モデル（例：神経質量モデル）をこれらの解剖学的ネットワークと統合し、発作の発生および広がりをシミュレートする。
• MRIから得られる皮質厚さや結合強度などの患者特異的パラメータを用いて、モデルのダイナミクスを精緻化する。
• 脳ネットワーク全体を通じた発作広がりをシミュレートし、実際のSEEG記録と照合されたスパatiotemporalパターンを比較する。
• 標準的ケアの臨床的評価（切除マージンおよび術後結果など）と照合して、モデルの予測を検証する。
• 統計解析を実施し、モデルが予測した広がり様式と臨床的ばらつき、および手術成功率との相関関係を評価する。

実験結果

リサーチクエスチョン

• RQ1 個別構造的結合は、局焦点性てんかんにおける発作広がりのスパティオトロピカルパターンを予測できるか？
• RQ2 患者特異の仮想脳モデルは、ステレオEEG記録で観察された実際の発作広がりをどれほど正確に再現できるか？
• RQ3 構造的結合における個体差が、発作広がりおよび手術結果の差を説明する程度はどの程度か？
• RQ4 仮想脳モデルは、標準的臨床手法を上回る精度で、てんかん巣の局在を改善できるか？
• RQ5 患者特異のネットワークダイナミクスを統合することで、術後てんかん制御の予測能が向上するか？

主な発見

• 患者特異の仮想脳モデルは、ステレオEEG記録で観察された発作広がり様式の時間的ばらつきを正確に予測できた。
• モデルの予測は、術後結果と有意に相関しており、切除後にてんかん制御を達成した患者において高い正確性を示した。
• 構造的結合における個々の差が、患者間での発作広がりルートの差を説明するのに十分であった。
• モデルは、てんかん巣領域を超えた発作広がりの予測において、標準的臨床評価を上回った。
• 拡散MRIを用いた結合性と動的ネットワークモデリングの統合により、個別患者における発作広がりの正確なインシリコシミュレーションが可能になった。
• 本研究では、構造的結合に加えて動的モデリングを組み合わせることで、ネットワークベースの脳疾患における複雑なスパティオトロピカルダイナミクスを説明可能であることが示された。