视觉模式网络和默认模式网络中的源级α周期性功率可预测偏头痛患者对托吡酯治疗的反应

《The Journal of Headache and Pain》：Source-level α periodic power in visual and default mode networks predicts topiramate treatment response in migraine

　　

摘要

背景

偏头痛具有高度异质性，患者对预防性治疗的反应存在很大差异。托吡酯的剂量递增策略进一步增加了对治疗效果早期评估的难度。因此，找到能够预测治疗反应的神经生物学标志物对于实现个性化治疗至关重要。在本研究中，我们基于从源重建脑电图中得到的个体化周期性与非周期性功率特征构建了预测模型，以识别与托吡酯疗效相关的电生理指标，从而为偏头痛预防中的个性化预测提供依据。

方法

共有112名无先兆的阵发性偏头痛患者接受了基线脑电图检测，随后接受了3个月的托吡酯治疗。脑电图信号经过源重建，然后利用FOOOOF方法并结合每位患者的个体α频率进行调节，分离出周期性成分和非周期性成分。我们使用XGBoost算法构建预测模型，并通过分层交叉验证以及0.632＋自助法来评估模型的泛化性能。Shapley加性解释方法用于量化各特征的作用程度。之后还通过相关性分析及留一法交叉验证回归分析，研究关键特征与治疗结果之间的关系。

结果

该模型在识别对治疗有反应的患者方面，接收者操作特征曲线下面积达到了0.859。SHAP分析显示，最具影响力的特征是位于楔前叶、距状皮层、内侧眶额皮层、额极和楔叶的周期性α波段功率。对这些区域所构成的功能脑网络进行主成分分析后发现，视觉网络和默认模式网络的主成分与头痛缓解程度显著相关，将它们一起纳入留一法交叉验证回归模型后，可解释治疗疗效中26.1%的变异量。

结论

周期性α活动是预测托吡酯疗效的强有力生物标志物，α波功率越高，临床反应越差。这些发现为偏头痛预防治疗中的个性化预测提供了可理解的神经生物学依据。

临床试验编号

不适用。