E.5 Large scale network changes immediately after Magnetic Resonance Imaging-Guided Laser Interstitial Thermal Therapy (MRgLITT) for hypothalamic hamartoma
Notice bibliographique
Résumé
Background: Hypothalamic hamartomas (HH) are a challenging cause of seizure in children, partly because the neural circuitry involved in ictogenesis is incompletely understood. We review our institutions’ use of magnetic resonance imaging-guided laser interstitial thermal therapy (MRgLITT) to treat hypothalamic hamartoma (HH) with resting-state fMRI performed immediately before and after ablation. Methods: Seed-based whole brain connectivity to thalamic regions of interest was performed immediately pre- and post- MRgLITT. Multivariable generalized linear models were used to correlate resting-state data with seizure outcomes. Results: Eight patients underwent MRgLITT treatments for HH, with a mean follow up of 29 months. Four patients (50%) were seizure free at 12 months and two (25%) had a significant improvement in seizure frequency. We identified reduced thalamocortical connectivity involving the anterior cingulate and posterior parietal regions, consistent with disconnection of the mammillothalamic tract and interruption of Papez circuit. Large-scale thalamocortical connectivity changes were driven by children who subsequently became seizure free. Conclusions: Disconnection of the mammillothalamic tract and interruption of thalamic circuitry in patients undergoing MRgLITT for HH appears to be associated with improved seizure outcomes. The ability to assess network changes immediately post- MRgLITT could enable operative adjustments to be made mid-procedure to optimize seizure outcome in real time.
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 | 0,000 | 0,001 |
| 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) | 0,002 | 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 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 ».