基于颅内病变区域复合解读的儿童癫痫手术源定位增强技术

《Neural Computation》：Intracranial Disease-Region Composite-Interpretation Technology for Enhanced Source Localization in Pediatric Epilepsy Surgery

本研究针对儿童药物难治性癫痫手术中致痫区精准定位的临床挑战，提出了一种基于颅内脑电图（EEG）的源定位（ESL）新技术——颅内病变区域复合解读（IDC）方案。通过整合发作间期棘波（IED）、高频振荡（HFO）及发作起始区（SOZ）等多模态电生理特征，结合三维扩展现实（XR）边缘计算，实现了致痫灶在皮层表面的可视化与复合分析。结果表明，IDC-ESL技术能显著提升手术预后预测准确性（特异性达100%），尤其对局灶性癫痫患者效果显著，为儿科癫痫手术提供了可靠的术中导航新策略。

　　

在儿童癫痫治疗领域，手术切除致痫灶是根治药物难治性病例的关键手段，但精准定位致痫区（Epileptogenic Zone）一直是临床面临的核心难题。传统脑电图（EEG）源定位技术多基于头皮EEG进行三维重建，难以直接指导皮层切除手术，且针对颅内EEG和儿科患者的研究数据匮乏。此外，现有技术缺乏对多类电生理 biomarker（如发作间期棘波、高频振荡和发作起始区）的整合分析标准，导致定位结果与手术实际需求脱节。

为突破这些局限，韩国延世大学医学院与工学院联合团队在《Neural Computation》发表研究，提出了一种创新型颅内病变区域复合解读（Intracranial Disease-region Composite-interpretation, IDC）技术。该技术通过标准化定位流程与多特征融合算法，首次实现了致痫灶在皮层表面的动态可视化与分级推荐，为儿科癫痫手术提供了精准的导航框架。

关键技术方法

研究纳入21例2018–2021年于延世大学Severance儿童医院接受切除术的药物难治性癫痫患儿（含5例Lennox-Gastaut综合征患者），采集其颅内EEG数据及术前MRI、术后CT影像。利用CURRY 8软件完成个体化三维脑模型重建与电极配准，基于标准化低分辨率电磁断层扫描（sLORETA）进行源定位分析。通过欧几里得距离算法筛选与致痫灶峰值电流密度最近的代表性电极，并依据IED、HFO和SOZ的重合度划分核心致痫区（EEZ）、潜在致痫区（PEZ）及次要致痫区（SEZ）。最终通过手术结果与IDC推荐区域的匹配度评估技术效能。

研究结果

1. 多特征融合显著提升定位精度

联合分析IED、HFO和SOZ时，对全组患者的手术预后预测准确率达81%，特异性高达100%，显著优于单一特征分析（如单独HFO敏感性78.6%但特异性仅57.1%）。尤其对于局灶性癫痫患者，联合特征的敏感性提升至90%，且完全切除IDC推荐区域与术后无发作显著相关（p=0.0009）。

2. LGS患者需结合术中电皮质造影（ECoG）

LGS患者因多灶性异常和深部病灶（如岛叶受累），IDC-ESL仅能粗略估计受累区域，其异常电极数量占比（36.7%）显著高于局灶性癫痫组（20.8%）。尽管定位敏感性较低（25%），但重叠区域的特异性仍达100%，提示需结合术中ECoG辅助深部病灶切除。

3. 无发作EEG数据的替代方案有效性

对于未捕捉到发作活动的患者（n=8），联合IED与HFO的分析仍可实现100%的预测准确率，证明IDC技术在数据不完整场景下的适用性。

结论与展望

IDC-ESL技术通过多模态电生理特征融合与皮层表面投影，解决了儿科癫痫手术中致痫区可视化与精准边界划定的关键问题。其分层推荐机制（EEZ→PEZ→SEZ）不仅为首次手术提供导航，还为需二次手术的患者提供潜在靶点。未来可进一步结合连接性分析与量化生物标志物，提升对LGS等复杂癫痫综合征的定位能力。这一技术框架为脑电信号在神经外科中的工程化应用提供了新范式，尤其适用于XR医疗设备与术中实时导航系统的开发。