通讯作者：杨治权、冯莉
作者单位：中南大学湘雅医院
文章亮点
本研究基于难治性颞叶癫痫（TLE）的结构及功能磁共振构建的大尺度全脑网络数据，利用结构-功能耦合（SFC）算法，首次从节点、模块内、模块间多个维度阐明TLE患者SFC的变化，并发现：多个模块化的SFC指标在颞叶癫痫患者中存在显著异常，其中默认网络的高SFC与不良预后相关。利用上述特征，本团队初步训练了颞叶癫痫术后复发的二分类风险预测模型，并在交叉验证中取得了较理想的结果（AUC=0.893；ACC=0.887）。
研究背景
研究方法
本研究在2017年至2022年期间，通过神经外科病房共招募了71例TLE患者，依照国际抗癫痫联盟标准分为术后未发作组（SF：48人）及术后发作组（NSF：23人）。纳入标准：临床资料完善（包括完整的DTI、rs-FMRI、3DT1磁共振数据），致痫病灶位于一侧颞叶，患者遵照国际抗癫痫联盟癫痫发作和癫痫综合征的治疗指南诊断为难治性癫痫。排除标准包括：双侧癫痫发作或颞叶定位困难的癫痫。除颞叶致痫灶外在脑内存在其他结构异常。患有其他严重疾病，或是患有其它神经精神疾病。无法耐受或有MRI检查禁忌症。正常对照组为48例与DTLE（药物难治性颞叶癫痫）患者年龄、性别相匹配的志愿者。
数据预处理：fMRI数据使用SPM 12（https://www.fil.ion.ucl.ac.uk/spm/software/spm12/）使用标准流程进行预处理。最后依照Brainnetome图谱，对各个脑区直接进行两两计算时间序列的皮尔森相关系数，提取246*246的静息态功能连接矩阵。DTI数据使用FSL（https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/）进行预处理。预处理后，将数据传输至Mrtrix3（https://www.mrtrix.org/），采用iFOD2算法进行概率纤维追踪。结构网络的边定义的是通过两节点的纤维条数，即纤维密度。然后，基于Brainnetome图谱构建246×246结构连接矩阵。我们基于Yeo功能图谱定义了的7个特定功能模块，将246个脑区一一归类到这些模块中。了标准化癫痫的偏侧化，将左侧颞叶癫痫患者的所有连接翻转到另一侧（即从左到右），为了匹配这种“翻转”方法，对正常对照组中的左侧和右侧特征进行了平均。
结构-功能耦合：采用Spearman等级相关法计算节点水平的结构-功能耦合指数。模块结构-功能耦合参考了节点耦合的计算方式，通过计算模块与其他模块之间的连接，产生了16×16的相关系数矩阵，其中对角线代表模块内结构-功能耦合，其他块代表模块间结构-功能耦合。
使用R studio（https://www.rstudio.org/）进行组间统计分析与相关性分析。
机器学习：使用基于Python语言的机器学习库scikit-learn以及执行自动机器学习的开源库基于树的工作流优化工具TPOT（Tree-based Pipeline Optimization Tool）进行机器学习模型的训练与验证。将所有网络特征分为：节点SFC特征，模块SFC特征，结构功能网络特征三大类，并基于三类特征分别训练模型进行效能比较。以5%阈值的百分比选择方案作为特征选择器，使用支持向量机作为分类器。最后使用巢式交叉验证方案进行交叉验证（图1）。
研究结果
图2：与HC相比，DTLE组模块水平的结构-功能耦合显著减低，标记‘*’（WMD，within modular decrease）的表示模块内结构-功能耦合减低，绿色条带（BMD，between modular decrease）表示模块间结构-功能耦合减低。图b为节点水平结构-功能耦合（RSFC，regional structure-functional coupling）图。与HC相比，TLE组节点水平结构-功能耦合显著下降的节点，主要分布于患侧SCN及VN，球表示显著下降节点的空间位置，球的大小表示显著程度，球的颜色表示区域对应的模块。VN：视觉网络，SMN：感觉运动网络，DAN：背侧注意网络，VAN：腹侧注意网络，LN：边缘网络，FPN：额顶叶网络，DMN：默认模式网络，SCN：皮层下结构。DTLE：药物难治性颞叶癫痫；HC：正常对照组。
图3：SF、nSF与HC三组间存在结构-功能耦合差异的模块。绿色*及条带表示在TLE及HC的两组间比较中显著的模块内和模块间结构-功能耦合。橙色*及条带表示未在两组间比较中发现显著差异而仅在三组间ANCOVA发现差异的模块内和模块间结构-功能耦合。b：通过比较三组人群各个模块内所有节点结构-功能耦合的平均值也发现，除在两组比较中存在显著差异的双侧VN及SCN外（标记为深绿色*），对侧DMN的节点结构-功能耦合也存在组间显著差异（标记为橙色*）。VN：视觉网络，SMN：感觉运动网络，DAN：背侧注意网络，VAN：腹侧注意网络，LN：边缘网络，FPN：额顶叶网络，DMN：默认模式网络SCN：皮层下结构。HC：正常对照组；SF：术后无癫痫发作者；nSF：术后有癫痫发作组。
图4：事后分析（左）与相关分析（右）均提示双侧默认模式网络相关的模块及节点结构-功能耦合升高与不良的手术预后相关。
图5：（A）三个不同数据集在十折交叉验证中的性能。模块化结构-功能耦合（SFC）数据集的曲线下面积（AUROC）最高。（B）在三个数据集上使用五个不同的随机种子进行了交叉验证，模块化SFC（MSFC）的整体准确性显著高于其他两组（p<.01，*p<.001）。（C）模块化SFC数据集中所有选择特征的重要性。（D）优化模型的精确度-召回率曲线。（E）MSFC数据集训练的最优模型的曲线下面积。曲线周围的颜色块表示95%置信区间（bootstrap方法）。模型的混淆矩阵显示在右下角。CI，置信区间。
小结
本研究结果进一步支持了结构-功能耦合指标能作为DTLE的癫痫网络影像标志物的观点，证实了模块间的耦合可以提供更多关于全脑网络变化的信息，也进一步佐证了默认模式网络连接与颞叶癫痫手术预后之间存在密切相关，并推动了机器学习在DTLE手术预后中的应用。
通讯作者简介
杨治权 主任医师
中南大学湘雅医院
医学博士，主任医师，博士生导师，湘雅医院功能神经外科主任
现任中华医学会功能神经外科专业委员，中国医师协会神经调控专业委员会副主任委员，湖南省抗癫痫协会侯任会长
1990年毕业于广州中山医科大学医疗系，毕业后一直从事临床工作，2011年在美国著名大学--芝加哥大学医学中心专门进修学习功能神经外科
从2006年开始，专注于功能神经外科疾病的诊断和治疗，具有娴熟的神经外科显微操作水平和专业素养，临床经验丰富，工作严谨；擅长于三叉神经痛、面肌痉挛和舌咽神经痛的显微血管减压手术，帕金森病的脑起博植入术和难治性癫痫的外科治疗
冯莉 副主任医师
中南大学湘雅医院
神经内科副教授，副主任医师，医学博士，博士生导师，现为中南大学湘雅医院神经内科教研室副主任
美国耶鲁大学癫痫中心访问学者
中华医学会神经病学分会脑电图与癫痫学组委员，中国医师协会神经内科医师分会癫痫专业委员会秘书，中国抗癫痫协会精准医学与药物不良反应监测专业委员会委员、秘书，中国医疗保健国际交流促进会神经病学分会青年委员
湖南省医学会神经内科学专业委员会癫痫学组委员、秘书，湖南省康复医学会癫痫专业委员会委员，湖南省神经内科医疗质量控制中心秘书，湖南省抗癫痫协会理事
《国际神经病学神经外科学杂志》编辑部常务副主任
擅长癫痫的临床诊断与治疗，尤其擅长利用癫痫电生理和神经影像学，进行癫痫致痫灶的术前定位，同时在癫痫的基础及临床转化研究，以及新兴技术应用于癫痫临床诊断中取得相应成果
声明：脑医汇旗下神外资讯、神介资讯、神内资讯、脑医咨询、Ai Brain 所发表内容之知识产权为脑医汇及主办方、原作者等相关权利人所有。
投稿邮箱：NAOYIHUI@163.com
未经许可，禁止进行转载、摘编、复制、裁切、录制等。经许可授权使用，亦须注明来源。欢迎转发、分享。
