Electroencephalography derived connectivity informing epilepsy surgical planning: Towards clinical applications and future perspectives
Notice bibliographique
Résumé
Epilepsy is one of the most diffused neurological disorders, affecting 50 million people worldwide. Around 30% of patients have drug-resistant epilepsy (DRE), defined as failure of at least two tolerated antiseizure medications (ASMs) to achieve sustained seizure freedom. Brain surgery is an effective therapeutic approach in this group, hinging on the accurate localization of the epileptic focus. The latter task is complex and requires multimodal investigation methods. Epilepsy is also a network disorder and represents one of the best application scenarios of methods leveraging brain functional organization at large scales. Connectivity analysis represents a promising tool for improving surgical assessment, enabling better identification of candidates who could benefit the most from epilepsy surgery. The scalp electroencephalography (EEG) is the most relevant tool to characterize epileptic activity. The EEG has benefited significantly from technological advancement across the last decades. Firstly, electrical source imaging (ESI) allows the reconstruction of electrical activity detected by EEG at the cortex level; secondly, functional connectivity (FC) allows the assessment of functional dependencies across brain areas. The EEG has therefore expanded potential applications in the localization and characterization of the epileptogenic network for surgical planning. As the translation of these methods in clinical practice is little discussed in the literature, we reviewed the investigations using EEG-derived FC. We showed that the FC-informed identification of the epileptic networks improves the localization precision in focal epilepsy. We discussed the heterogeneity in the results and methodology preventing prompt research-to-clinic translation. We finally provided practical suggestions for promoting the applicability of FC-based research in real clinical practice, looking for future research.
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».