药物难治性癫痫中的个体特异性静息态网络预测语言优势侧

《Epilepsia》：Individual-specific resting-state networks predict language dominance in drug-resistant epilepsy

　　

目的：本研究旨在可靠估计个体特异性静息态皮层网络，并确定语言网络拓扑是否能预测药物难治性癫痫中的任务态语言优势侧。
方法：研究人员利用一个在药物难治性癫痫患者中训练的多会话层次贝叶斯模型（MS-HBM），仅凭6–24分钟的静息态功能磁共振成像（fMRI）数据，绘制该人群（n?=?65）的高质量个体特异性皮层网络。研究人员将网络质量与在人类连接组计划（HCP）健康参与者（n?=?40）上训练的MS-HBM模型进行比较，并在一个独立的药物难治性癫痫参与者队列（n?=?26）中测试模型的泛化能力。随后，利用静息态语言网络拓扑预测任务态语言优势侧。
结果：共纳入91名药物难治性癫痫参与者（美国国立卫生研究院[NIH]，n?=?65；爱荷华大学，n?=?26）：61名（67.0%）颞叶癫痫，29名（31.9%）颞外叶癫痫，1名（1.1%）发作起始区未确定。平均年龄33.0?±?11.4岁，50名（54.9%）为男性。健康参与者40名，平均年龄29.0?±?4.0岁，16名（40.0%）为男性。在药物难治性癫痫上训练的MS-HBM估计的个体特异性网络比群组平均网络或在健康参与者上训练的MS-HBM更准确地捕捉皮层功能组织。该训练好的MS-HBM模型可推广至一个同时进行颅内电刺激和fMRI的独立药物难治性癫痫参与者队列。关键的是，皮层诱发的fMRI活动与个体特异性网络的对齐程度优于群组平均网络。此外，个体特异性语言网络拓扑显著预测了任务态语言优势侧，对左（曲线下面积[AUC]?=?.82）、双侧（AUC?=?.72）和右（AUC?=?.83）优势侧均达到高准确性。
意义：这些结果表明，MS-HBM捕捉了药物难治性癫痫中功能上有意义的网络重组，并实现了准确的个体水平语言偏侧化预测，对术前功能映射具有直接意义。

### 论文解读文章

#### 研究背景与问题

在药物难治性癫痫的手术规划中，确定语言优势侧（language dominance）是关键步骤，直接影响术前咨询和术后语言结局。当前临床指南推荐任务态功能磁共振成像（fMRI）作为无创替代方法，但任务态fMRI高度依赖患者的配合度和任务设计，存在局限性。静息态fMRI可避免这些限制，无需患者主动参与，且能通过一次扫描映射多种脑功能。然而，既往利用静息态fMRI预测药物难治性癫痫中语言优势侧的研究仅报道了中等准确性，这可能是由于先前的方法无法完全解释语言网络拓扑的个体间变异。此外，虽然大量研究报道了药物难治性癫痫中静息态功能连接的改变，但对该人群个体特异性皮层网络的组织和行为相关性知之甚少。因此，该研究旨在利用精确功能映射（precision functional mapping）方法，刻画药物难治性癫痫患者的个体特异性皮层网络，并探究语言网络的临床效用以改善语言优势侧的预测。

#### 研究内容与结论

研究人员开发了一种多会话层次贝叶斯模型（MS-HBM），在药物难治性癫痫患者上训练，仅需6–24分钟静息态fMRI数据即可估计高质量个体特异性皮层网络。他们比较了该模型与基于健康参与者训练的MS-HBM及群组平均网络的质量，并在独立队列中验证了模型的泛化能力。结果发现，个体特异性网络在静息态同质性和电刺激诱发的功能异质性指标上均显著优于其他方法。更重要的是，基于个体特异性语言网络拓扑的静息态偏侧化指数能显著预测任务态语言优势侧，左侧（AUC=0.82）、双侧（AUC=0.72）和右侧（AUC=0.83）优势侧预测均达到高准确性。该论文发表在《Epilepsia》上，表明MS-HBM能捕捉癫痫中功能上有意义的个体特异性网络重组，为术前功能映射提供了实用工具。

#### 主要关键技术方法

研究人员采用多会话层次贝叶斯模型（MS-HBM）估计个体特异性皮层网络，该模型利用混合von Mises–Fisher分布对功能连接轮廓进行聚类。方法包括：基于群组平均网络（由15个网络标签组成）进行训练；使用留一法交叉验证评估网络质量，指标包括加权静息态连接同质性（resting-state connectional homogeneity）和加权任务（电刺激）功能异质性（task functional inhomogeneity）。样本队列来自：人类连接组计划（HCP）40名健康参与者、美国国立卫生研究院（NIH）65名药物难治性癫痫患者（训练集34名，测试集14名），以及爱荷华大学（University of Iowa）26名药物难治性癫痫患者（电刺激fMRI数据集[esfmri]，含11名术前和17名术后参与者）。任务态语言优势侧由一位训练有素的癫痫学家通过视觉评估语言任务fMRI激活图确定。

#### 研究结果

**3.1 参与者和数据集**
研究人员分析了131名参与者，包括40名HCP健康参与者、65名NIH药物难治性癫痫患者和26名爱荷华大学药物难治性癫痫患者（esfmri数据集）。NIH队列中64.6%为颞叶癫痫，35.4%为颞外叶癫痫；esfmri队列中73.1%为颞叶癫痫，23.1%为颞外叶癫痫，3.8%发作起始区未确定。该描述提供了研究的基本人口学和临床特征。

**3.2 模型训练与测试**
通过分析40名HCP和48名NIH参与者（至少两个静息态fMRI运行）训练和测试MS-HBM。群组平均网络显示，药物难治性癫痫中的网络较健康参与者更局部集中，例如联想网络（如控制网络）在癫痫中仅由一个分布较少的网络表示，而眶额和旁海马区域出现两个局灶性边缘网络。功能连接相关性分析表明，初级感觉运动区两组相似度高，但高阶联想皮层区域相似度低。基于NIH数据训练的MS-HBM估计的个体特异性网络（NIH MS-HBM）在保留健康参与者典型拓扑特征的同时，捕捉了个体间变异，例如部分患者额下语言区与默认模式网络相关区域连接增强。通过Dice相似系数定量发现，药物难治性癫痫中联想网络（如突显/腹侧注意、背侧注意、控制和语言网络）的个体间变异较高（Dice系数0.35–0.50），而初级感觉运动网络变异较低（0.66–0.71）。在留出测试集中，NIH MS-HBM估计的个体特异性网络在静息态连接同质性指标上显著优于所有群组平均网络和基于健康参与者训练的MS-HBM（所有比较p<.001），语言网络分析结果一致。

**3.3 独立数据集验证**
在esfmri数据集（术前11名、术后17名参与者）中，NIH MS-HBM估计的个体特异性网络在静息态同质性上仍显著优于其他方法（所有p<.001）。利用术后同时进行的颅内电刺激fMRI数据，计算任务（电刺激）功能异质性指标，发现NIH MS-HBM个体特异性网络在该指标上显著优于所有群组平均网络（HCP群组p<.001，Du群组p<.001，NIH群组p=.002）。皮层诱发活动图显示，个体特异性网络边界与电刺激诱发的fMRI活动对齐程度优于群组平均网络。此外，模型性能在训练样本量达到20–25人时趋于平稳，表明中等样本量即可实现接近最优性能。

**3.4 任务态语言优势侧的预测**
针对语言网络，研究人员计算了基于个体特异性语言A网络和语言/默认B网络拓扑的静息态偏侧化指数（resting-state laterality index, LI）。该偏侧化指数在左（平均LI=.165±.106）、双侧（.056±.074）和右（.023±.055）任务态语言优势侧之间存在显著差异（p=.002）。接受者操作特征曲线分析显示，NIH MS-HBM个体特异性网络预测左、双侧和右语言优势侧的AUC分别为0.82、0.72和0.83。而基于健康参与者训练的MS-HBM无法有效区分任务态语言优势侧（HCP MS-HBM p=.150，Du MS-HBM p=.303）。

#### 讨论与结论

讨论部分指出，该研究证明MS-HBM能在药物难治性癫痫中可靠估计个体特异性网络，即使存在结构和功能连接改变，且仅需6–24分钟数据。该模型比群组平均网络更好地捕捉个体皮层组织，并能泛化到独立数据集。个体特异性语言网络拓扑可有效预测语言优势侧，尽管癫痫中语言网络区域可能表现出与默认模式网络的异常连接。模型性能在约20–25名训练参与者时趋于稳定，利于临床应用。未来需用金标准（如颈内动脉阿米妥试验或皮层电刺激）验证静息态偏侧化指数，并可扩展至其他认知共病和术后功能结局的预测。局限包括：esfmri数据集未采集真正术后静息态fMRI，而是拼接无刺激块模拟；已研究对象主要为颞叶和颞外叶癫痫，其他类型需进一步验证。

研究结论：总之，研究人员提出了一种在药物难治性癫痫中估计可靠、高质量个体特异性皮层网络的方法，并证明个体特异性语言网络拓扑能预测任务态语言优势侧。该模型已公开（https://github.com/ThomasYeoLab/CBIG/tree/master/stable_projects/brain_parcellation/Lim2026_MSHBM_epilepsy），可在给定至少6分钟单次静息态fMRI数据的情况下，为新的药物难治性癫痫个体估计个体特异性皮层网络并预测语言优势侧。此外，还提供了来自NIH和esfmri合并队列的群组平均分区图作为未来研究的资源。