[논문 리뷰] Individual structural connectivity defines propagation networks in partial epilepsy

Timothée Proix, Fabrice Bartoloméi외 2명|arXiv (Cornell University)|2016. 04. 28.

Functional Brain Connectivity Studies참고 문헌 72인용 수 8

한 줄 요약

이 연구는 약물 내성 국소 간질에서 환자의 특이성에 맞는 가상 뇌 모델이 개인의 확산 MRI를 기반으로 한 구조적 연결성을 바탕으로 만들어졌을 때, 간질 발작 전파 패턴을 정확하게 예측할 수 있음을 입증한다. 개인화된 뇌 네트워크에서 네트워크 동역학을 시뮬레이션함으로써, 환자 간의 발작 전파 차이와 수술 후 결과의 이질성을 설명하며, SEEG 데이터와 임상 평가 결과와 비교하여 그 예측 능력을 검증한다.

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.

연구 동기 및 목표

• 개별 구조적 연결성을 사용하여 국소 간질에서 발작 전파를 시뮬레이션하는 개인화된 가상 뇌 모델을 개발한다.
• 이러한 모델을 수술 전 스테레오-EEG(SEEG) 데이터 및 임상 평가 결과와 비교하여 검증한다.
• 개별적인 구조적 연결성의 다양성이 발작 전파 패턴과 수술 후 결과의 차이를 설명할 수 있는지 조사한다.
• 간질 치료 계획 향상과 임상 가설 검증을 위한 계산 기반 프레임워크를 수립한다.

제안 방법

• 약물 내성 국소 간질 환자 15명의 확산 MRI 데이터를 사용하여 대규모 뇌 네트워크 모델을 구축하여 구조적 연결성을 매핑한다.
• 해당 해부학적 네트워크를 수학적 신경 집단 동역학 모델(예: 신경 질량 모델 등)과 통합하여 발작 발단과 전파를 시뮬레이션한다.
• MRI에서 유도된 피질 두께 및 연결 강도와 같은 환자 특이적 매개변수를 사용하여 모델 동역학을 정밀화한다.
• 뇌 네트워크를 통해 발작 전파를 시뮬레이션하고, 시뮬레이션된 시공간 패턴을 실제 SEEG 기록과 비교한다.
• 표준 치료 방법에 기반한 임상 평가, 즉 절제 경계 및 수술 후 결과와 비교하여 모델 예측을 검증한다.
• 모델 예측된 전파 패턴이 관찰된 임상적 이질성과 수술 성공률과의 상관관계를 분석하기 위한 통계 분석을 수행한다.

실험 결과

연구 질문

• RQ1 개별적인 구조적 연결성이 국소 간질에서 발작 전파의 시공간 패턴을 예측할 수 있는가?
• RQ2 환자 특이성 가상 뇌 모델이 스테레오-EEG 기록에서 관찰된 실제 발작 전파를 얼마나 잘 재현하는가?
• RQ3 구조적 연결성의 환자 간 이질성이 발작 전파 및 수술 후 결과의 차이를 어느 정도 설명할 수 있는가?
• RQ4 가상 뇌 모델이 표준 임상 방법을 초월하여 간질 발생 부위의 국소화 정확도를 향상시킬 수 있는가?
• RQ5 환자 특이적 네트워크 동역학을 통합함으로써 수술 후 발작 자유 상태 예측 능력이 향상되는가?

주요 결과

• 환자 특이성 가상 뇌 모델은 스테레오-EEG 기록에서 관찰된 발작 전파 패턴의 시간적 변동성을 성공적으로 예측하였다.
• 모델 예측은 수술 후 결과와 유의미하게 상관관계가 있었으며, 절제 후 발작 자유를 달성한 환자에서 더 높은 정확도를 보였다.
• 개별적인 구조적 연결성의 다양성이 환자 간 발작 전파 경로의 차이를 충분히 설명할 수 있었다.
• 모델는 표준 임상 평가 방법보다 간질 발생 부위를 초월한 발작 전파 예측에서 뛰어난 성능을 보였다.
• 확산 MRI를 통한 연결성과 동적 네트워크 모델링의 통합은 환자 개개인의 발작 전파를 정확하게 시뮬레이션할 수 있었다.
• 이 연구는 구조적 연결성과 동적 모델링을 조합할 경우, 네트워크 기반 뇌 질환에서 복잡한 시공간 동역학을 설명할 수 있음을 입증한다.