《Frontiers in Neurology》：Minimum data requirements and automated preprocessing for reliable EEG biomarkers in Rett syndrome
编辑推荐：
摘要
背景：脑电图（EEG）是Rett综合征（RTT）的一种有前景的生物标志物，但过度伪迹和患者对较长记录会话的耐受性差异对可靠生物标志物开发构成挑战。建立与人工审查相匹配的自动化预处理流程，并定义定量EEG（qEEG）特征稳定所需的最小数据量，有助于支持
摘要
背景：脑电图（EEG）是Rett综合征（RTT）的一种有前景的生物标志物，但过度伪迹和患者对较长记录会话的耐受性差异对可靠生物标志物开发构成挑战。建立与人工审查相匹配的自动化预处理流程，并定义定量EEG（qEEG）特征稳定所需的最小数据量，有助于支持更符合患者需求的方案，并提供一致的多中心分析结果。
方法：研究人员从多中心R61 RTT研究中117名参与者（1–18岁；236次会话）的平均10分钟静息态EEG数据出发，采用完全自动化、基于校正的预处理流程进行处理，该流程整合了伪迹处理、自适应通道剔除、ASR和ICA清理。从无伪迹的4秒片段中提取谱功率。使用既有的基于剔除的流程对提出的流程进行验证。然后，通过两种互补框架（统计收敛方法和基于模型的拐点方法）评估特征稳定性随累积数据长度的变化，并使用置换分析评估潜在的系统性依赖性。同时评估了与临床指标的关系。
结果：基于校正的流程比基于剔除的流程保留了显著更多的数据（平均保留率：95.0% vs. 28.4%；p < 0.001），同时各频段特征对应性良好。稳定功率估计在19–34个片段（= 76–136秒）后实现。置换分析显示，RTT组与健康对照组（TD）之间最小稳定阈值无统计学显著差异。然而，RTT组表现出比TD组更高的内在信号不稳定性率。年龄分层分析显示，不同年龄组间最小片段数无显著差异。当仅使用稳定所需的最小数据时，以及在对原始EEG数据进行截断至最小片段推荐值并重新处理的生态学有效场景中，谱特征与临床严重程度之间的关联仍得以保留。
结论：采用所提出的基于校正的流程，RTT儿童约3分钟原始静息态EEG足以获得稳定且具有临床意义的谱特征。这些发现支持更短、更可行的EEG采集，并为多中心神经发育研究中的数据充分性提供了可重复的框架。
**论文解读：基于自动化预处理与最小数据要求的Rett综合征EEG生物标志物优化研究**
**研究背景与问题**
Rett综合征（RTT）是一种主要由MECP2基因功能丧失变异引起的严重神经发育障碍，患者表现为早期发育倒退、手部刻板动作、运动功能障碍、自主神经异常及认知受损。尽管RTT的遗传和临床特征已明确，但能够可靠捕捉神经功能失调和疗效的客观生物标志物仍然有限。脑电图（EEG）作为一种非侵入性神经电生理手段，能够直接反映兴奋-抑制平衡、连接性和神经成熟度，定量EEG（qEEG）特征（如谱功率、非周期活动、功率比等）已在RTT自然史研究和早期临床试验中被探索为结局指标。然而，RTT患者因运动功能障碍、行为问题及对电极帽的不耐受，常导致EEG记录时长缩短、伪迹严重，使得数据质量差、大量片段被剔除，进而影响下游分析的可信度。现有研究在儿童RTT或罕见神经发育障碍中缺乏对谱特征稳定所需最小数据量的系统评估，且大多依赖人工或半自动化预处理流程，可重复性差、主观偏差大。因此，亟需建立一种针对RTT的、完全自动化的、基于校正的预处理流程，并确定获得稳定qEEG特征所需的最短记录时长，以提升生物标志物的可靠性、采集可行性和多中心一致性。
**研究方法与关键技术**
研究人员利用多中心R61 RTT研究（2023–2025年）中117名女性参与者（1–18岁；包含RTT组、健康对照（TD）组和疑似RTT组）的236次静息态EEG会话（平均10分钟），采用以下关键方法：
1. **基于校正的自动化预处理流程**：使用Local Outlier Factor（LOF，局部离群因子）进行自适应坏通道检测与剔除（剔除上限10%），结合Artifact Subspace Reconstruction（ASR，伪影子空间重建）和窗口剔除抑制瞬态大幅伪迹，再通过独立成分分析（ICA）及ICLabel分类器自动剔除眼电和肌电成分；数据最终采用Hjorth最近邻拉普拉斯空间滤波，提取4秒无伪迹片段。与先前基于手动幅度阈值剔除的基准流程进行对比验证。
2. **稳定性评估框架**：采用两种互补方法——（1）**统计收敛方法**：通过威尔科克森符号秩检验和Cohen's d效应量，比较累积片段变异（修正变异系数mCV）与100片段参考值是否无显著差异；（2）**模型拐点方法**：使用广义估计方程（GEE）拟合mCV-片段数四阶多项式，取导数负转正处为稳定点。此外，通过Bootstrap重采样、条件标签置换、时间打乱和年龄分层置换检验分析系统依赖性（如诊断组、时间序列顺序、年龄对稳定阈值的影响）。
3. **临床相关性验证**：采用修正运动行为评估（RMBA）评分与谱功率的偏相关分析（控制年龄），比较基于最小稳定片段、完整100片段、全部可用数据以及模拟3分钟原始数据重处理后的特征关联。
**研究结果**
**1. 校正流程验证**
与剔除流程相比，校正流程显著提高了数据保留率（平均95.0% vs. 28.4%，p<0.001），且各频段谱特征对应性良好（皮尔逊相关系数r=0.78–0.95）。剔除流程导致4次会话无可用数据，校正流程则仅有2次因格式错误、7次因质量筛查被排除。
**2. 最小稳定片段数**
统计收敛方法得出：所有组合组（195次会话）在各频段稳定所需最小片段数为19–34个（76–136秒）；RTT组（89次会话）为26–30个（104–120秒），TD组（82次会话）为11–27个（44–108秒）。模型拐点方法得到更保守但频段间一致的估计（30–32个片段/120–128秒）。Bootstrap与条件标签置换分析显示RTT与TD组间最小阈值无显著差异（p>0.05），但Fisher精确检验表明RTT组有显著更高的不收敛率（即信号内在不稳定性率）在所有频段（pFis<0.001）。时间打乱和年龄分层检验均未发现显著影响。
**3. 参考窗口敏感性分析**
当参考窗口缩短至50或75片段时，统计收敛方法的不稳定性率显著升高（如γ频段50片段时达10.28%），模型拐点方法在50片段时模型选择失败，而100片段参考窗口确保了接近零的不稳定性和高模型拟合度。
**4. 临床相关性保留**
使用统计收敛和模型拐点确定的最小片段计算谱功率与RMBA评分偏相关，各频段相关系数与完整数据（100片段或全部可用数据）相比差异≤0.05，且所有95%置信区间重叠，所有关联保持统计学显著（所有p≤0.002）。模拟3分钟原始数据重处理后，平均数据保留率仍达93.0%，且各项谱功率与RMBA评分显著相关（如δ频段r=0.483，p<0.001）。
**结论与讨论**
本研究证实，采用全自动校正预处理流程后，约3分钟的原始静息态EEG（约45个4秒无伪迹片段）即可在Rett综合征儿童中获得稳定且具有临床意义的谱特征。该流程显著优于传统剔除流程，不仅保留更多数据（95% vs. 28%），且与先前基于剔除的基准流程高度一致，并成功复制了谱功率与临床严重程度（RMBA）之间的显著关联。
作者指出，约76–136秒的无伪迹数据即可满足稳定谱估计，这一阈值高于成人（40–60秒）和儿科专家共识平均（52秒），反映了RTT特有的高伪迹负担和异常神经电活动。重要发现是：RTT与TD组间最小稳定阈值无显著差异，但RTT组表现出更高的信号内在不稳定性率，这可能源于神经网络失调或残留运动伪迹。年龄和时序顺序对稳定阈值无显著影响，支持采用统一记录时长。
局限性包括：剔除流程仅用于验证子集；ASR和ICA参数可能需针对其他神经发育障碍调整；≥100片段纳入标准可能偏向症状较轻患者；仅研究了谱功率稳定性，其他qEEG指标（如非周期参数、连接性、熵）可能有不同要求。
总之，该研究为RTT及类似疾病的多中心EEG研究提供了数据驱动的记录时长推荐（约3分钟原始记录）和完全可复现的自动化预处理框架，有助于缩短采集时间、提高患者舒适度和数据产量，并增强生物标志物的可靠性与临床转化潜力。未来工作应扩展到其他qEEG指标，并探索实时稳定监测及消费级EEG系统的应用。
