Temporal Lobe Epilepsy Surgical Outcomes Can Be Inferred Based on Structural Connectome Hubs: A Machine Learning Study
Notice bibliographique
Résumé
OBJECTIVE: Medial temporal lobe epilepsy (TLE) is the most common form of medication-resistant focal epilepsy in adults. Despite removal of medial temporal structures, more than one-third of patients continue to have disabling seizures postoperatively. Seizure refractoriness implies that extramedial regions are capable of influencing the brain network and generating seizures. We tested whether abnormalities of structural network integration could be associated with surgical outcomes. METHODS: Presurgical magnetic resonance images from 121 patients with drug-resistant TLE across 3 independent epilepsy centers were used to train feed-forward neural network models based on tissue volume or graph-theory measures from whole-brain diffusion tensor imaging structural connectomes. An independent dataset of 47 patients with TLE from 3 other epilepsy centers was used to assess the predictive values of each model and regional anatomical contributions toward surgical treatment results. RESULTS: The receiver operating characteristic area under the curve based on regional betweenness centrality was 0.88, significantly higher than a random model or models based on gray matter volumes, degree, strength, and clustering coefficient. Nodes most strongly contributing to the predictive models involved the bilateral parahippocampal gyri, as well as the superior temporal gyri. INTERPRETATION: Network integration in the medial and lateral temporal regions was related to surgical outcomes. Patients with abnormally integrated structural network nodes were less likely to achieve seizure freedom. These findings are in line with previous observations related to network abnormalities in TLE and expand on the notion of underlying aberrant plasticity. Our findings provide additional information on the mechanisms of surgical refractoriness. ANN NEUROL 2020;88:970-983.
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 | 0,000 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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) | 0,000 | 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 ».