Bernd Vorderwülbecke (Berlin / DE; Genève / CH), Margherita Carboni (Genève / CH), Sebastien Tourbier (Lausanne / CH), Denis Brunet (Genève / CH), Laurent Spinelli (Genève / CH), Martin Seeber (Genève / CH), Christian Korff (Genève / CH), Shahan Momjian (Genève / CH), Maria Vargas (Genève / CH), Margitta Seeck (Genève / CH), Serge Vulliémoz (Genève / CH), Jonathan Wirsich (Genève / CH)
Abstract-Text (inklusive Referenzen und Bildunterschriften)
Einleitung
Die EEG-Quellenlokalisation (EQL) von interiktalen epilepsietypischen Potentialen (ETP) ist ein wertvolles Werkzeug zur prächirurgischen Evaluation bei pharmakoresistenter fokaler Epilepsie. Unterschiedliche Algorithmen zur Lösung von Vorwärts- und Rückwärtsproblem der EQL wurden entwickelt, aber nur mittels sehr heterogener Endpunkte und Studienkohorten klinisch validiert.
Ziele
Um die Generalisierbarkeit und Vergleichbarkeit von EQL-Algorithmen im klinischen Kontext zu ermöglichen, werden de-identifizierte klinische Daten von 45 gut phänotypisierten Patient:innen offen zur Verfügung gestellt. Der Datensatz wurde bereits exemplarisch validiert (Vorderwülbecke, Carboni, et al. 2020 Clin Neurophysiol).
Methoden
45 Personen mit pharmakoresistenter fokaler Epilepsie, resektiver Epilepsiechirurgie und bekanntem 12-Monats-Outcome wurden eingeschlossen (60% TLE; 67% ILAE-Outcome 1-2). Alle hatten ein präoperatives 257-Kanal-EEG (EGI Geodesic). ETP wurden visuell markiert, gruppiert und gemittelt. Der Datensatz wurde mittels EQL und individuellem Kopfmodell validiert. Als Software wurde "Cartool" genutzt (http://cartoolcommunity.unige.ch), als Vorwärtsmodell das 'Locally Spherical Model with Anatomically Constraints' (LSMAC) und als Rückwärtsmodell der 'Local Autorgressive Average' (LAURA). Die EQL-Maxima wurden visuell mit dem Resektionsgebiet verglichen, um diagnostische Sensitivität, Spezifität und Gesamtgenauigkeit zu berechnen.
Ergebnisse
Der Datensatz beinhaltet [1.] gemittelte 257-Kanal- und 204-Kanal-ETP von im Median 27 Einzel-ETP, [2.] de-identifiziertes, präoperatives strukturelles MRT inklusive Segmentierung und Kortex-Parzellierung (Tourbier et al. 2022 JOSS), [3.] de-identifizierte postoperative strukturelle Bildgebung und [4.] detaillierte klinische Informationen. Alle Daten sind im maschinenlesbaren Brain Imaging Data Structure (BIDS)-Format bereitgestellt. Bei der Validierung mit Cartool, LSMAC und LAURA wurden eine diagnostische Sensitivität von 67%, eine Spezifität von 47% und eine Gesamtgenauigkeit von 60% erreicht.
Zusammenfassung
Anhand des bereitgestellten Datensatzes können künftig andere EQL-Algorithmen validiert und in ihrer diagnostischen Qualität mit der von Cartool, LSMAC und LAURA verglichen werden. Dies kann einen relevanten Beitrag zur Standardisierung der prächirurgischen EQL liefern.
Auf unserem Internetauftritt verwenden wir Cookies. Bei Cookies handelt es sich um kleine (Text-)Dateien, die auf Ihrem Endgerät (z.B. Smartphone, Notebook, Tablet, PC) angelegt und gespeichert werden. Einige dieser Cookies sind technisch notwendig um die Webseite zu betreiben, andere Cookies dienen dazu die Funktionalität der Webseite zu erweitern oder zu Marketingzwecken. Abgesehen von den technisch notwendigen Cookies, steht es Ihnen frei Cookies beim Besuch unserer Webseite zuzulassen oder nicht.