CNSC-97. ELECTROCORTICOGRAPHIC ANALYSIS AND DETECTION OF SPEECH NETWORKS IN GLIOMA-INFILTRATED CORTEX
Notice bibliographique
Résumé
Abstract Direct cortical stimulation (DCS) is the clinical gold standard for identifying the functional cortex in the human brain, essential for the safe removal of brain lesions. However, DCS can be time- and resource-intensive and yields only one datapoint on each trial. In contrast, subdural electrocorticography (ECoG) is multidimensional, yielding measures of activity across a cortical region. Further, it is unknown which electro-physiological features reliably predict DCS+ regions in patients with gliomas. Accordingly, defining the electro-physiological properties of DCS-positive cortical regions may facilitate the identification of critical language regions, thereby permitting safe glioma resections in communities without access. Leveraging a prospectively collected multicenter electrophysiologic dataset of DCS-positive language regions spatially matched with a subdural ECoG array, we analyzed regions identified as functionally critical (DCS+) versus functionally non-critical (DCS–) during intraoperative language mapping (81 patients). In IDH-mutant gliomas (36 patients; 39 DCS+, 576 DCS–), DCS+ regions exhibited significantly greater, more coordinated speech-related neural activity in the high gamma frequency range (70-150 Hz), indicating stronger task-related electrophysiological coordination at DCS+ sites. These differences persisted even when pair matching each DCS+ to the closest DCS– site (within the same patient/gyrus). Interestingly, these differences were not apparent in the IDH-wildtype cohort (45 patients; 44 DCS+, 479 DCS–). Further, neuronal high gamma time series from IDH-mutant DCS+ sites demonstrated enhanced encoding and decoding of linguistic and semantic features (using neuronal recordings to predict/classify word-level features). Again, this was not apparent in the IDH-wildtype cohort. Finally, we demonstrate that resting-state classifiers can accurately distinguish DCS+ from DCS– regions in IDH-mutant tumors (>88% accuracy, AUROC of 0.817, sensitivity of 0.80, a specificity of 0.917 in an external validation cohort). This capability has the potential to accelerate DCS mapping by guiding surgeons to priority regions, thereby improving surgical efficiency and patient outcomes. As the task-based and resting-state electrophysiologic distinctions were not observed in IDH-wildtype glioblastomas, this suggests a pathology-specific remodeling of cortical language networks following glioma infiltration.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,003 |
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 ».