基于SEEG的癫痫发作期动态特征演变与致痫灶定位研究：调控机制解析与机器学习模型构建

本研究针对难治性局灶性癫痫的致痫灶(SOZ)定位难题，通过分析61例患者立体脑电图(SEEG)在发作前后6分钟的相位-振幅耦合(MI)、功能连接(wPLI)、定向传递函数(DTF)及样本熵动态特征，首次揭示了SOZ内外"推拉拮抗"的层级调控机制，并构建XGBoost模型实现87%准确率的SOZ定位，为癫痫手术规划提供了新型生物标志物组合。

　　

癫痫作为困扰全球1%人口的神经系统疾病，约30%患者会发展为药物难治性癫痫，其中半数表现为局灶性发作。尽管手术切除致痫灶(epileptogenic zone, EZ)是最佳治疗选择，但临床依赖的发作起始区(seizure onset zone, SOZ)定位仍面临巨大挑战——传统视觉判读SEEG信号耗时费力，而现有自动检测方法多局限于发作间期静态分析，忽略了蕴含关键病理机制的发作前后动态演变过程。

针对这一临床痛点，来自华南师范大学联合广东三九脑科医院的研究团队在《Neurobiology of Disease》发表创新成果。研究团队创新性地选取61例难治性局灶性癫痫患者术前植入SEEG电极记录的发作前后6分钟数据（5分钟发作前期+1分钟发作期），采用滑动窗口技术动态计算相位-振幅耦合(modulation index, MI)、加权相位滞后指数(wPLI)功能连接、定向传递函数(DTF)有效连接及样本熵(SampEn)等特征，结合机器学习构建了多维度SOZ定位体系。

关键技术方法包括：1）61例6-48岁患者SEEG数据标准化预处理；2）6个频段（δ/θ/α/β/γ/ripple）的MI、wPLI、DTF和SampEn动态计算；3）ADASYN算法平衡数据集后，采用XGBoost等8种机器学习模型进行SOZ预测。

研究结果方面：

1. 相位-振幅耦合特征
   所有频段组合中SOZ的MI值显著高于非发作区(nSOZ)(p<0.001)，呈现"先升后降"的动态模式，提示SOZ内部存在兴奋-抑制的动态平衡调控，该调控在发作时崩溃。

2. 脑网络分析
   • 功能连接：SOZ在各频段的wPLI连接强度均显著更强(p<0.001)，高频段差异更显著，表明SOZ与全脑保持高强度同步化通信。
   • 有效连接：SOZ的信息流入强度显著高于nSOZ(p<0.001)，而流出强度相反，揭示nSOZ向SOZ的抑制性输入占主导地位。

3. 非线性特征与功率谱
   SOZ的样本熵(除δ频段外)显著低于nSOZ(p<0.001)，结合功率谱密度(PSD)分析，证实SOZ电活动具有更高"有序性"，这种特征在发作时发生显著改变。

4. 机器学习预测
   整合多特征的XGBoost模型表现最优(AUC=0.905)，准确率达87%，敏感性和特异性分别为79.5%和87.9%，显著优于单一特征模型。

5. 传播区特征
   新增分析显示传播区(PZ)呈现"中间态"特征：其信息流模式类SOZ，而MI和熵特征更接近非受累区(NIZ)，提示PZ可能作为抵抗癫痫扩散的缓冲带。

讨论部分深刻阐释了"木桶理论"调控模型：SOZ如同木桶最短的木板，在发作前通过内部PAC调控和外部nSOZ的抑制性输入维持平衡；当这种"推拉拮抗"机制崩溃时即引发临床发作。该研究首次从动态角度揭示了癫痫发作的层级调控机制，其创新性体现在：
1）突破传统静态分析框架，捕捉发作关键过渡期特征演变；
2）提出"有序性"作为新的SOZ生物标志物；
3）构建临床可用的多特征机器学习定位系统。

研究为癫痫手术规划提供了全新视角，其提出的调控模型不仅解释致痫网络崩溃机制，更提示未来干预可针对性地增强SOZ内外调控能力。局限性在于SEEG覆盖不全和病因异质性未分层，后续研究可通过多中心数据和病因分型进一步优化模型精度。