[論文レビュー] Quantifying interictal intracranial EEG to predict focal epilepsy

Ryan S. Gallagher, Nishant Sinha+11 more|arXiv (Cornell University)|Jul 27, 2023

Epilepsy research and treatment被引用数 7

ひとこと要約

本研究では、術前5 Sense スコア（5SS）と併用して、発作間欠期の脳内EEG（IEEG）の空間的分散と発作間欠期のIEEG異常を組み合わせることで、焦点性てんかんを定量的・データ駆動で予測する手法を提案する。この手法は、手術療法対比デバイス療法の予測でAUC 0.81を達成し、2年後の手術後予後予測でもAUC 0.70を示し、術前の5SS単独の推定を著しく上回った。

ABSTRACT

Intracranial EEG (IEEG) is used for 2 main purposes, to determine: (1) if epileptic networks are amenable to focal treatment and (2) where to intervene. Currently these questions are answered qualitatively and sometimes differently across centers. There is a need for objective, standardized methods to guide surgical decision making and to enable large scale data analysis across centers and prospective clinical trials. We analyzed interictal data from 101 patients with drug resistant epilepsy who underwent presurgical evaluation with IEEG. We chose interictal data because of its potential to reduce the morbidity and cost associated with ictal recording. 65 patients had unifocal seizure onset on IEEG, and 36 were non-focal or multi-focal. We quantified the spatial dispersion of implanted electrodes and interictal IEEG abnormalities for each patient. We compared these measures against the 5 Sense Score (5SS), a pre-implant estimate of the likelihood of focal seizure onset, and assessed their ability to predict the clinicians choice of therapeutic intervention and the patient outcome. The spatial dispersion of IEEG electrodes predicted network focality with precision similar to the 5SS (AUC = 0.67), indicating that electrode placement accurately reflected pre-implant information. A cross-validated model combining the 5SS and the spatial dispersion of interictal IEEG abnormalities significantly improved this prediction (AUC = 0.79; p<0.05). The combined model predicted ultimate treatment strategy (surgery vs. device) with an AUC of 0.81 and post-surgical outcome at 2 years with an AUC of 0.70. The 5SS, interictal IEEG, and electrode placement were not correlated and provided complementary information. Quantitative, interictal IEEG significantly improved upon pre-implant estimates of network focality and predicted treatment with precision approaching that of clinical experts.

研究の動機と目的

• 発作間欠期のIEEGを用いた客観的・標準化された焦点性てんかんの予測手法を開発し、主観的臨床的判断への依存を低減すること。
• 電極の空間的分散と発作間欠期EEG異常を定量化することで、薬物耐性てんかんにおける手術意思決定を改善すること。
• 定性的評価を測定可能で再現性のある指標に置き換えることで、大規模かつ多施設にわたるデータ解析を可能にすること。
• 定量的IEEG指標が術前5 Sense スコア（5SS）に加えて、治療方針と長期的予後を予測するのに寄与するかどうかを評価すること。

提案手法

• 本研究では、術前IEEGモニタリングを施行した薬物耐性てんかん患者101例の発作間欠期IEEGデータを分析した。
• 植え込み電極の空間的分散をネットワークの広がりの指標として定量化し、術前の5 Sense スコア（5SS）と比較した。
• 発作様活動の電極間分布を反映する空間的指標を用いて、発作間欠期IEEG異常を定量化した。
• 交差検証を施した機械学習モデルが、5SSと発作間欠期IEEG異常空間的分散を統合し、治療方針と2年後の予後を予測した。
• 受信者操作特性曲線（ROC）分析を用いてモデルの性能を評価し、曲線下積（AUC）を主な指標とした。
• モデルは、手術対比デバイス療法の予測と、2年後の手術後予後予測の両方について検証された。

実験結果

リサーチクエスチョン

• RQ1 発作間欠期IEEGから導出される定量的指標は、術前の5 Sense スコア（5SS）単独に比べ、焦点性てんかんの予測を改善できるか？
• RQ2 脳内電極の空間的分散は、IEEGで観察された実際のネットワーク焦点性と相関するか？
• RQ3 5SSと発作間欠期IEEG指標を統合したモデルは、単独の指標よりも治療方針の予測精度を高められるか？
• RQ4 5SS、電極配置、発作間欠期IEEG異常は、予後予測においてどの程度相補的な情報を提供するか？
• RQ5 定量的IEEG指標は、焦点性てんかんの2年後の手術後予後を信頼性高く予測できるか？

主な発見

• IEEG電極の空間的分散は、ネットワーク焦点性をAUC 0.67で予測し、5 Sense スコア（5SS）と同等の精度を示し、術前の推定と強い整合性を示した。
• 5SSと発作間欠期IEEG異常空間的分散を統合した統合モデルは、ネットワーク焦点性の予測でAUC 0.79を達成し、5SS単独の結果（p<0.05）を著しく上回った。
• 同様の統合モデルは、手術対比デバイス療法の予測でAUC 0.81を示し、専門家による臨床的判断の精度に近づいた。
• 同じモデルは、2年後の手術後予後をAUC 0.70で予測し、臨床的意義のある予後予測の有効性を示した。
• 5SS、発作間欠期IEEG指標、電極配置の間には相関が認められず、それぞれが独立で相補的な予測情報を提供していることが確認された。
• 定量的発作間欠期IEEGは、術前の推定を著しく上回る予測精度を向上させたことから、標準的かつスケーラブルな臨床意思決定支援に活用可能であることが裏付けられた。