Abstract-Text (inklusive Referenzen und Bildunterschriften)

HFOs können als Biomarker für die epileptogene Zone verwendet werden. Die Lokalisierung von HFOs unterstützt eine bessere Abgrenzung der Resektionsbereiche bei Patienten mit therapieresistenter Epilepsie und verbessert die chirurgischen Ergebnisse. Die Identifizierung von HFOs ist schwierig, und ihre genaue klinische Definition ist immer noch unklar. Die Unterteilung von HFOs in normale HFOs (nHFO) und pathologische HFOs (pHFO) zeigt einen besseren Prädiktor für den Anfallsherd als HFO-Lokalisation alleine[1], [2]. Die klinische Anwendung von pHFO ist auf Grund der komplexen Analyse und manuellen Auswertung zurzeit noch schwierig.

Ziel dieser Studie ist eine automatisierte Analyse von Ruhe-ECoG-Signalen zur Unterscheidung von nHFO und pHFO unter Berücksichtigung des gemeinsamen Auftretens von IED zu realisieren und somit den Anfallsherd zu lokalieren.

Fünf Patienten mit Epilepsie wurden im Megumino-Krankenhaus in Japan kortikale Elektroden implantiert. Das Elektrokortikogramm (ECoG) wurde überprüft, um die Zone des Anfallsbeginns (SOZ) zu finden, wie in Abbildung 1 dargestellt. Ein automatischer Ereignisdetektor identifizierte HFOs und IEDs im Schlaf-EKG und verglich, ob sich die Ereigniszeiten überschneiden. Wenn es eine Überschneidung zwischen IEDs und HFOs gibt, wird das Ereignis als pHFO betrachtet, und HFOs ohne IEDs werden als nHFO betrachtet. Konkret filtert der Detektor die Signale (5-60 Hz für IEDs und 60-250 Hz für HFOs), wendet eine Hilbert-Transformation an, um die Signalhüllkurve zu berechnen, und teilt die Epochen in 1-Minuten-Segmente ein, die dann durch robuste z-Bewertung normalisiert werden. Ereignisse, die für HFOs >5SDs über dem Medianwert liegen, werden als Ereignisse von Interesse (EOIs) betrachtet. Schließlich wurden Erkennungskriterien (Dauer>6 ms, Mindestzeitraum zwischen EOIs>50 ms, Amplitude>5 uV und Anzahl der Oszillationen >4) festgelegt, um die Erkennung von HFOs zu erfüllen. IEDs wurden nach dem Kriterium Amplitude>3*(mode+median) detektiert. Als Ergebnisparameter wurde der positive prädiktive Wert (PPV) gewählt, um die pHFOs innerhalb der SOZ zu zeigen.

Insgesamt wurden von 712 Elektroden bei fünf Patienten mit 157,3 Minuten ECoG durchschnittlich 112 HFOs pro Elektrode (Bereich 0-31/min) identifiziert. Darin wurden 32,4 % der HFOs als pHFO identifiziert, mit durchschnittlichen HFO-Raten von pHFO(SOZ)=7,00/min und pHFO(non-SOZ)=0,71/min. Die Raten für nHFOs waren nHFO(SOZ)=3,71/min, nHFO(non-SOZ)=2,23/min. Die SOZ konnte mit einem PPV(nHFO)=0,62 und einem PPV(pHFO)=0,91 bestimmt werden. Abbildung 2 zeigt detektierte pHFO grün markiert im ECoG und die pHFO-Rate als rote Kreise am ventralen temporalen Kortex für P4.

Vorläufige Ergebnisse zeigen, dass pHFO, identifiziert durch überlappende IEDs und HFOs, Anfallsherde vorhersagen können. Der automatisierte Detektor ermöglicht die pHFO Lokalisierung in Echtzeit und eignet sich daher auch für intra-operatives Epilepsiemonitoring.

[1] A. H. Mooij, et al., "Accurate differentiation between physiological and pathological ripples recorded with scalp-EEG," Clinical Neurophysiology, vol. 143, pp. 172–181, Nov. 2022, doi: 10.1016/j.clinph.2022.08.014.

[2] S. Wang et al., "Ripple classification helps to localize the seizure-onset zone in neocortical epilepsy," Epilepsia, vol. 54, no. 2, pp. 370–376, 2013, doi: 10.1111/j.1528-1167.2012.03721.x.