基于大规模人群脑电图谱特征的癫痫诊断新策略：正常间歇期头皮EEG的定量分析揭示癫痫病灶定位与治疗新靶点

本研究针对常规脑电图(EEG)在癫痫诊断中30-55%的漏诊率问题，创新性地利用张量分解技术分析了6,242例正常EEG数据，建立了6种具有空间-频谱特征的生理模式。研究发现，这些模式负荷能有效区分局灶性癫痫患者(AUC 0.78)，并对药物耐药性癫痫(AUC 0.73)和结构性病变癫痫具有鉴别价值，为临床EEG阴性患者的早期诊断提供了新型计算生物学标志物。

　　

在神经科学领域，癫痫影响着全球约5000万患者，其中约三分之一的患者对抗癫痫药物产生耐药性。传统诊断主要依赖脑电图(EEG)中捕捉到的发作间期癫痫样放电(IEDs)，但令人困扰的是，30-55%的常规EEG和近10%的长程视频EEG都无法检测到这些关键标志物。这种"正常EEG"的困境常常导致诊断延误，使患者暴露在持续发作和相关并发症的风险中。更棘手的是，在磁共振成像(MRI)阴性的非损伤性癫痫患者中，缺乏明确的生物标志物使得精准定位致痫灶变得异常困难。

美国伊利诺伊大学厄巴纳-香槟分校(University of Illinois, Urbana-Champaign)与梅奥诊所(Mayo Clinic)的研究团队独辟蹊径，将目光投向那些被临床忽视的"正常"EEG片段。研究人员假设，这些看似正常的脑电活动中可能隐藏着反映癫痫病理生理学的细微特征。通过分析13,652例临床EEG记录的大数据，团队创新性地应用张量分解技术，成功提取出6种具有明确空间-频谱特征的生理模式，为癫痫的精准诊断开辟了新途径。这项突破性研究发表在《Scientific Reports》期刊上，为临床决策提供了重要参考。

研究采用了三项关键技术方法：首先从12,134名成人患者的13,652例EEG记录中筛选6,242例专家判读为正常的EEG，构建三维功率谱密度(PSD)和相位连接性(PC)张量；其次采用基于生理学先验的规范多元(CP)张量分解，提取6种空间-频谱模式；最后通过121例局灶性癫痫患者的独立队列验证，使用逻辑回归评估这些模式负荷在癫痫分类中的价值。

研究结果部分呈现了多项重要发现：

"Tensor decomposition extracts interpretable spatio-spectral patterns from normal EEGs"部分显示，通过张量分解获得的6种模式具有明确的生理学解释：模式1反映非振荡性背景活动(1/f特征)，模式3显示前顶叶θ/慢α活动(6-9 Hz)，模式4呈现典型后主导节律(8-13 Hz)，模式5对应中央区β活动(13-25 Hz)。这些发现证实了正常EEG中确实存在可量化的生理模式。

"Patient loadings show sensitivity to aging and EEG dysrhythmia grades"部分揭示了这些模式与年龄和病理状态的关联：模式3表达随年龄增长而增强(r>0.4, p<1e-4)，而模式1和4则随年龄增长减弱；在EEG异常程度增加时，模式1表达增强而模式4减弱。这表明提取的模式能敏感反映脑功能的生理和病理变化。

"Quantitative analysis of normal interictal EEG reveals differences in focal epilepsy"部分证实，局灶性癫痫患者的模式1和3负荷显著高于非癫痫对照组(p<0.001)，基于PC负荷的分类性能最佳(AUC=0.76)。特别值得注意的是，颞叶癫痫(TLE)的鉴别准确率(AUC=0.8)显著高于额叶癫痫(FLE)(AUC=0.7)，但模式负荷无法有效区分癫痫灶的具体脑叶定位。

"Quantitative loadings of normal interictal EEG exhibit capacity for differentiation in drug-resistant and non-lesional epilepsy"部分展示了在癫痫亚型分类中的价值：基于PSD负荷能较好区分药物耐药性癫痫(AUC=0.73)，对MRI非损伤性癫痫也有一定鉴别力(AUC=0.67)，但性能波动较大(变异达0.22 AUC)。

这项研究的意义在于首次系统证明了临床判读"正常"的EEG片段中确实包含可量化的病理生理学信息。通过建立大规模人群EEG数据库和创新的张量分析方法，研究人员成功提取了具有明确解释性的空间-频谱模式，这些模式负荷可作为潜在的生物标志物辅助临床决策。特别是在当前常规EEG检查存在较高假阴性率的情况下，该方法为癫痫的早期诊断、药物疗效预测和手术评估提供了重要补充工具。虽然在某些精细分类(如癫痫灶定位)上仍有局限，但这项研究为发展基于人工智能的EEG分析新范式奠定了坚实基础，未来有望整合到临床工作流程中，减少诊断延误，改善患者预后。