Stimulation to probe, excite, and inhibit the epileptic brain
Notice bibliographique
Résumé
Direct cortical stimulation has been applied in epilepsy for nearly a century and has experienced a renaissance, given unprecedented opportunities to probe, excite, and inhibit the human brain. Evidence suggests stimulation can increase diagnostic and therapeutic utility in patients with drug-resistant epilepsies. However, choosing appropriate stimulation parameters is not a trivial issue, and is further complicated by epilepsy being characterized by complex brain state dynamics. In this article derived from discussions at the ICTALS 2022 Conference (International Conference on Technology and Analysis for Seizures), we succinctly review the literature on cortical stimulation applied acutely and chronically to the epileptic brain for localization, monitoring, and therapeutic purposes. In particular, we discuss how stimulation is used to probe brain excitability, discuss evidence on the usefulness of stimulation to trigger and stop seizures, review therapeutic applications of stimulation, and finally discuss how stimulation parameters are impacted by brain dynamics. Although research has advanced considerably over the past decade, there are still significant hurdles to optimizing use of this technique. For example, it remains unclear to what extent short timescale diagnostic biomarkers can predict long-term outcomes and to what extent these biomarkers add information to already existing biomarkers from passive electroencephalographic recordings. Further questions include the extent to which closed loop stimulation offers advantages over open loop stimulation, what the optimal closed loop timescales may be, and whether biomarker-informed stimulation can lead to seizure freedom. The ultimate goal of bioelectronic medicine remains not just to stop seizures but rather to cure epilepsy and its comorbidities.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».