A Primer on Magnetic Resonance-Guided Laser Interstitial Thermal Therapy for Medically Refractory Epilepsy
Notice bibliographique
Résumé
Epilepsy surgery that eliminates the epileptogenic focus or disconnects the epileptic network has the potential to significantly improve seizure control in patients with medically intractable epilepsy. Magnetic resonance-guided laser interstitial thermal therapy (MRgLITT) has been an established option for epilepsy surgery since the US Food and Drug Administration cleared the use of MRgLITT in neurosurgery in 2007. MRgLITT is an ablative stereotactic procedure utilizing heat that is converted from laser energy, and the temperature of the tissue is monitored in real-time by MR thermography. Real-time quantitative thermal monitoring enables titration of laser energy for cellular injury, and it also estimates the extent of tissue damage. MRgLITT is applicable for lesion ablation in cases that the epileptogenic foci are localized and/or deep-seated such as in the mesial temporal lobe epilepsy and hypothalamic hamartoma. Seizure-free outcomes after MRgLITT are comparable to those of open surgery in well-selected patients such as those with mesial temporal sclerosis. Particularly in patients with hypothalamic hamartoma. In addition, MRgLITT can also be applied to ablate multiple discrete lesions of focal cortical dysplasia and tuberous sclerosis complex without the need for multiple craniotomies, as well as disconnection surgery such as corpus callosotomy. Careful planning of the target, the optimal trajectory of the laser probe, and the appropriate parameters for energy delivery are paramount to improve the seizure outcome and to reduce the complication caused by the thermal damage to the surrounding critical structures.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».