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.