Visual Features in Stereo‐Electroencephalography to Predict Surgical Outcome: A Multicenter Study
Notice bibliographique
Résumé
OBJECTIVE: Epilepsy surgery needs predictive features that are easily implemented in clinical practice. Previous studies are limited by small sample sizes, lack of external validation, and complex computational approaches. We aimed to identify and validate visually stereo-electroencephalography (SEEG) features with the highest predictive value for surgical outcome, and assess the reliability of their visual extraction. METHODS: We included 177 patients with drug-resistant epilepsy who underwent SEEG-guided surgery at 4 epilepsy centers. We assessed the predictive performance of 10 SEEG features from various SEEG periods for surgical outcome, using the area under the receiver operating characteristic curve, and considering resected channels and surgical outcome as the gold standard. Findings were validated externally using balanced accuracy. Six experts, blinded to outcome, evaluated the visual reliability of the optimal feature using interrater reliability, percentage agreement (standard deviation ± SD) and Gwet's kappa (κ ± SD). RESULTS: The derivation cohort comprised 100 consecutive patients, each with at least 1-year of postoperative follow up (40% temporal lobe epilepsy; 42% Engel Ia). Spatial co-occurrence of gamma spikes and preictal spikes emerged as the optimal predictive feature of surgical outcome (area under the receiver operating characteristic curve 0.82). Applying the optimized threshold from the derivation cohort, external validation in 2 datasets showed similar performances (balanced accuracy 69.2% and 73.2%). Expert interrater reliability for gamma spikes (percentage agreement, 96% ± 2%; κ, 0.63 ± 0.16) and preictal spikes (percentage agreement, 92% ± 2%; κ, 0.65 ± 0.18) were substantial. INTERPRETATION: Spatial co-occurrence of gamma spikes and preictal spikes predicts surgical outcome. These visually identifiable features may reduce the burden of SEEG analysis by reducing analysis time, and improve outcome by guiding surgical resection margins. ANN NEUROL 2025;98:547-560.
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 | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».