《Clinical Neurology and Neurosurgery》：Anomaly changes in the functional connectome of post-operative neurosurgical patients: a case series
编辑推荐：
个体化功能连接组学映射在脑肿瘤手术中的应用研究。通过结合DTI和rs-fMRI数据，利用Quicktome?平台生成动态适配围手术期变化的脑分区及纤维束，对比术前术后功能连接异常矩阵，发现连接异常与术后错乱（默认网络低连接）、视幻觉忽视（背注意网络低连接）、语言功能恢复（语言网络连接增强）显著相关。该技术为精准手术规划、预后评估和神经功能康复提供量化工具。
Vratko Himic | Roxanne C. Mayrand | Zachary C. Gersey | Adham M. Khalafallah | Victor M. Lu | Sima Vazquez | Long Di | Daniel M. Aaronson | Ashish H. Shah | Ricardo J. Komotar | Michael E. Ivan
美国佛罗里达州迈阿密市迈阿密大学米勒医学院神经外科系
摘要
目的
利用叠加映射工具的神经元导航技术能够可视化关键纤维束，并改善围手术期计划。然而，这些方法的一个局限性在于它们依赖于静态的脑图谱，尤其是在患有脑肿瘤的神经外科患者中。一种能够对脑区连接性进行评估和量化的工具可以改进手术切除方法。
方法
我们使用了一种机器学习成像平台Quicktome?来生成个性化的功能包和纤维束，这些功能包和纤维束能够动态适应围手术期的变化。连接组数据来自扩散张量成像和静息态功能磁共振成像的结合。我们从四名颅内肿瘤患者的功能性磁共振成像中生成了矩阵，并比较了术前和术后的分割结果。量化了各区域之间的相关性和强度，将低连接性和高连接性区域标记为异常区域。
结果
我们通过四个病例系列展示了异常矩阵与术后神经变化之间的相关性。这些病例包括：与显著性网络低连接性相关的术后谵妄；与背侧注意网络低连接性相关的视觉忽视；以及表达性失语症缓解后语言网络的量化改善。术前和术后配对相关值之间的所有差异都具有统计学意义。
结论
我们展示了一种新的方法，用于量化功能连接组中的异常与术后神经变化之间的关联程度。这在术后预后评估、提供专业治疗服务以及手术教育和术前计划方面具有重要意义。
引言
神经肿瘤手术的核心目标之一是保护功能。成像技术和术中监测的进步对于在实现更大肿瘤切除的同时保护重要脑区及其连接的纤维束至关重要[1]、[2]。以往的术前计划主要集中在避免明确的解剖结构（包括纤维束、特定脑回和重要皮质区域）。这种方法源于20世纪初Brodmann提出的早期神经解剖学映射概念[3]。
最近，出现了新的映射工具，可以实现在围手术期对成像数据与神经功能进行可视化和关联[4]、[5]。然而，这些工具的局限性在于它们依赖于静态的脑图谱。虽然这些方法对于脑实质结构完整的患者在认知研究中很有用，但在脑结构发生扭曲的神经肿瘤病例中效果较差。同样，也需要在术后变化的背景下追踪这些结构。
为了解决这一挑战，基于云的软件平台Quicktome?利用机器学习（ML）生成能够动态适应围手术期变化的个人化功能包和纤维束[6]、[7]、[8]。个性化的分割定位基于底层的连接组图谱[9]，从而可以可视化结构变化（以包和纤维束图的形式）以及区域活动的相关性。这是通过结合静息态fMRI（rs-fMRI）和扩散张量成像（DTI）纤维束成像来实现的。此外，还可以通过将连接性与健康人群的标准化分布进行比较来报告异常连接。该软件增强了围手术期计划，并提供了对术后神经变化的洞察。
以往关于改进脑肿瘤切除的研究主要集中在从DTI序列中提取数据[11]、[12]、[13]、[14]；然而，仅依赖白质纤维束数据提取可能会受到肿瘤周围水肿和纤维束掩盖的影响。使用rs-fMRI进行脑部分割可以提供一种替代方法。尽管之前已有关于神经外科中功能连接组图的研究报告[15]、[16]、[17]、[18]，但我们在此基础上进一步分析了用于生成这些图谱的可量化数据，采用了一种针对特定包和特定网络的方法，该方法在临床上是相关且易于治疗团队实时分析和使用的。
在这个病例系列中，我们通过四个手术案例展示了功能连接组映射的应用，证明了其在关联大脑特定区域（或分割）的功能和功能障碍方面的实用性。我们比较了：（1）配对相关矩阵值的差异；（2）异常连接的数量；（3）表现出异常的网络百分比；（4）总异常连接值的总和。
患者选择
所有患者均为接受颅内病变治疗的成年人。所有患者均签署了书面知情同意书。本研究已获得我们机构审查委员会的伦理批准（#20200946）。该病例系列的报告符合PROCESS指南[19]的要求。患者选择标准包括：具有完整的术前和术后静息态fMRI数据；接受过脑肿瘤手术的患者；同时具有...
结果
我们描述了四个独特的病例，以展示功能连接组异常矩阵中的可观察和可量化变化及其与患者神经变化的相关性（表1）。
讨论
将功能连接组成像整合到临床实践中有助于可视化和量化围手术期的神经变化。结合结构连接组数据，这项技术支持针对患者的术前计划，特别是在保护神经功能的同时最大化安全切除范围方面。重要的是，现在可以在单个分割单元的分辨率上进行这种操作。
在这个病例系列中，我们展示了...
CRediT作者贡献声明
Roxanne Mayrand： 数据管理、正式分析、方法学、项目管理、写作——审阅与编辑。
Vratko Himic： 构思、数据管理、正式分析、研究、方法学、项目管理、验证、可视化、写作——初稿、写作——审阅与编辑。
Michael E. Ivan： 资金获取、研究、项目管理、资源、软件、监督、验证、可视化、写作——审阅与编辑。
Ricardo J. Komotar：
致谢
作者衷心感谢StacheStrong对这项研究项目的慷慨财务支持。
Omniscient Neurotechnology公司的Quicktome软件。澳大利亚悉尼：Omniscient Neurotechnology；网址：
https://www.o8t.com/quicktome 。
财务披露
本工作得到了StacheStrong的支持。Michael E. Ivan博士是Omniscient Neurotechnology的顾问。
