NIMG-25. LESION-NETWORK ANALYSIS TO IDENTIFY PREFERENTIALLY-ENGAGED NETWORKS IN EPILEPTOGENIC TUMORS
Notice bibliographique
Résumé
Abstract BACKGROUND Lesion network mapping (LNM) is a method used to identify potential networks that can be ascribed to particular neurological functions/ deficits. LNM has yet to be implemented for large brain lesions such as tumors. OBJECTIVES: To apply LNM for potential identification of vulnerable epileptogenic networks in tumors causing medically-refractory epilepsy (MRE), compared with non-epileptogenic tumors. METHODS MRE and non-epileptogenic lesions were normalized to standard space for group analysis. These were used as a seed in high-resolution normative resting state fMRI, which was then transformed to t-maps and thresholded by t = 5.1; this corrected for multiple comparisons (Bonferroni corrections) across the whole brain at pcor < 0.05. The statistically-significant thresholded maps were binarized and summed connectivity maps were generated for both groups. This allowed computation of voxel-wise odds ratios (VORs) in order to identify voxels that were more likely associated with tumors that either did or did not result in MRE. RESULTS Twenty-seven patients were included. Eleven brain metastases with no history of seizures, M/F: 5/6, mean age 68.4+/-8.4 years, and 16 had MRE (10 low-grade glioma, 2 cavernoma, 3 “other”), M/F: 7:9, mean age 33.7 +/-12.2 years. Lesions causing MRE were preferentially located in the cingulate gyrus, calcarine fissure, parahippocampal gyrus and lateral temporal neocortex. The resting-state networks that were >1.5x likely to be connected with MRE lesions were the salience, executive control, and dorsal default mode networks. CONCLUSION In this proof of concept study, we have demonstrated that (1) in addition to stroke, tumors may also be amenable to LNM and (2) the underlying normative neural circuitry may in part explain the propensity of particular lesions toward development of MRE. This has ramifications in patient counseling and surgical management planning, as earlier surgery could be applied for lesions thought to be more prone to development of MRE.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».