预测脑部手术的风险
外科医生在切除脑瘤时能否量化失语症的风险?为了找到答案,慕尼黑工业大学(TUM) Klinikum rechts der Isar的研究人员将大脑作为一个网络进行分析。在一项针对60名患者的研究中,他们已经达到了73%的准确率。
脑瘤相对罕见。根据德国神经学学会的数据,每年的发病率约为每10万居民中有5例。“但在大多数情况下,手术切除肿瘤是不可避免的,”Sandro Krieg教授说,他估计胶质瘤(一种常见的脑瘤)是在慕尼黑工业大学(TUM)的Klinikum rechum der Isar切除的。“几乎每天都是这样。”
根据肿瘤的不同,克里格和他的同事们制定了单独的治疗和手术策略。最关键的一点是:健康组织应尽可能地保存,不应损坏任何可能导致进一步限制的结构。例如,“失语症”是指术后语言障碍。“我们希望在手术前准确了解失语症的风险。”
这位Klinikum rechts der Isar神经外科诊所的主任医师已经研究术前大脑绘图超过10年。“很长一段时间以来,我们已经知道大脑中负责运动或语言等功能的基本位置。但只是在过去五年左右的时间里,我们才开始分析脑网络学习不同的区域是如何协同工作的,例如使一个人能够说话。有一点是明确的:没有这样的语言中心。相反,这种结构更像是一个大网络的几个枢纽或节点,通过它们,讲话才有可能。”
脑瘤:通过机器学习进行预测
分析大脑的网络特征——即连接组分析——是克里格教授的团队使用了两年左右时间的一种方法,在当前的研究中发挥着关键作用。“通过这种方式,我们量化了大脑各个区域的联系,”克里格教授说。“从那以后,我们开始为大脑区域分配更精确的功能。”
慕尼黑工业大学的科学家张浩苏博士和塞巴斯蒂安·伊勒博士绘制了负责语言能力的大脑层的解剖图。其过程如下:“通过一种被称为神经束造影的特殊形式的磁共振断层成像,我们生成了大脑中神经通路的网络和子网络的三维表示,”张解释道。
这网络分析是否支持导航的过程经颅磁刺激在这种方法中,一种定向磁脉冲会抑制负责说话的神经纤维通路中的神经细胞。这会导致患者暂时的语言障碍,这可以在视频分析中识别出来。它使研究人员能够精确地识别大脑中负责语言的区域。“我们将来自神经束造影的所谓连接组参数与患者语言功能的信息结合起来,”张解释道。
Zhang和Ille的算法的特别之处在于它产生了“统计上显著的参数”——这些数据可以用来训练机器学习模型,从而对个别患者的语音进行定位。尽管使用不同的分析方法看起来很复杂,但这种方法的显著特征是它的简单性:整个分析过程不需要复杂的算法或强大的计算机。“我们使用的数据来自医院的常规检测,”张说。
网络分析:预测语言障碍的准确率为73%
在最近对60名患者的研究中,Klinikum rechts der Isar的研究人员表明,这种联合分析可以以相当高的准确性(73%)预测手术是否会导致演讲困难(术后失语症)。“能够做出这些预测是非常重要的,”克里格说。他对通过“真实网络分析”更精确地量化风险的可能性感到兴奋,并拥有具体数据来支持对风险的映射大脑.
此外,在机器学习的帮助下,随着时间的推移,预测将变得更加准确。但是为了这个目的,研究人员需要更多的病人数据来训练机器学习算法。“这是唯一一种可以使用大数据预测手术干预风险的方法,”克里格教授说,他现在计划寻找更多的患者参与他的研究。他认为,即使“几百名”患者也足以进行高度精确的预测。
这项研究发表在人脑绘图.