《Epilepsia》：Detecting high-frequency oscillations in real time during epilepsy surgery with neuromorphic hardware validated to predict postoperative seizure outcome
编辑推荐：
目的：高频振荡（HFOs; 250–500 Hz）在皮层脑电图（ECoG）中是描绘癫痫手术中致痫区的有前景的生物标志物。术中实时准确检测HFOs可指导手术切除以改善癫痫发作结局。方法：研究人员使用来自苏黎世（Nicolet记录设备，七氟烷麻醉下记录）22例患者
目的：高频振荡（HFOs; 250–500 Hz）在皮层脑电图（ECoG）中是描绘癫痫手术中致痫区的有前景的生物标志物。术中实时准确检测HFOs可指导手术切除以改善癫痫发作结局。方法：研究人员使用来自苏黎世（Nicolet记录设备，七氟烷麻醉下记录）22例患者的术中ECoG（带有注释的HFOs）来训练一种创新的自动HFO检测器，该检测器实现在神经形态硬件上的脉冲神经网络（SNN）中。研究人员通过检查切除后是否残留HFOs以及这是否预测癫痫发作结局，验证了该检测器能否在来自乌得勒支（Micromed记录设备，丙泊酚给药暂停期间记录）的54例患者独立队列中识别出临床相关的HFOs。然后，研究人员在手术中实时测试了该检测器，为神经外科医生提供直接反馈。结果：最优检测参数下，所提出的SNN检测与训练数据集中先前由频谱检测器检测的通道间HFO率之间的Spearman R = .71。研究人员在验证数据中发现9例手术结局不良的患者存在切除后HFOs，而1例手术结局良好的患者也存在残留HFOs，导致诊断优势比=17（95%置信区间=2.0–150）。在一次实时手术中，该检测器在采集过程中分析了传入的术中ECoG，HFOs被成功捕获，并且在记录周期结束后1分钟内即可获得HFO反馈。意义：研究人员的自动检测器在不同中心和麻醉方案之间轻松转移。研究人员展示了术中HFO检测的直接应用，可作为向外科医生提供实时反馈以定制切除范围的手段，从而产生对癫痫发作结局的高预测能力。
**研究背景与问题**
癫痫手术是治疗难治性局灶性癫痫的有效方法，关键目标在于完全切除致痫区（epileptogenic zone）。术中皮层脑电图（electrocorticography, ECoG）可用于定位该区域，传统上依赖于棘波等间期放电模式，但高频振荡（high-frequency oscillations, HFOs，指250–500 Hz的短暂脑电活动）被认为是更特异的生物标志物。然而，HFO的视觉注释耗时且存在观察者间变异，自动化检测器虽已开发，但多数缺乏实时性能及跨中心外部验证。因此，本研究旨在开发一种基于神经形态硬件和脉冲神经网络（spiking neural network, SNN）的实时HFO检测器，并通过训练、外部验证及术中实时测试，评估其预测术后癫痫发作结局的能力。论文发表在《Epilepsia》。
**主要研究内容与结论**
研究人员利用苏黎世大学医院（Universit?tsspital Zurich, USZ）22例患者的数据训练检测器，并在乌得勒支大学医学中心（Universitair Medisch Centrum Utrecht, UMCU）54例患者的独立验证集中验证其预测效能，随后在一例术中实时测试中证明可行性。主要结论：优化后的检测器与频谱检测器在通道间HFO率上高度相关（Spearman R = .71）；验证集中残留HFOs与术后不良结局显著相关，诊断优势比（diagnostic odds ratio, DOR）为17（95%置信区间2.0–150）；术中实时检测成功，HFO反馈在记录结束后1分钟内可用。该研究证明了自动算法的鲁棒性、泛化性及临床转化潜力，可推广至不同中心和麻醉方案。
**关键技术与方法**（不超过250字）
主要关键技术方法包括：（1）信号预处理：ECoG信号经250–500 Hz带通滤波后，通过异步增量调制（asynchronous delta modulator, ADM）编码为UP/DN脉冲，ADM阈值自适应调整。（2）神经形态处理：将UP/DN脉冲输入动态异步神经形态处理器（Dynamic Asynchronous Neuromorphic Processor, DYNAP-SE）芯片上的单层SNN，每个ECoG通道分配一组处理单元，随机连接UP/DN流，利用芯片的异质性响应产生群体脉冲爆发。（3）数据包检测：将SNN输出脉冲聚类为“数据包”，通过两个参数（最大数据包持续时间和UP/DN交叉比例）优化，在训练集（22例苏黎世患者，Nicolet设备，七氟烷麻醉）中最小化与频谱检测器的均方误差（MSE）。（4）验证：在独立验证集（54例乌得勒支患者，Micromed设备，丙泊酚暂停期）中，以术后癫痫发作结局（Engel IA类为良好结局）为标准，评估残留HFOs的预测性能，计算诊断指标。（5）实时测试：术中通过BCI2000框架流式传输ECoG，实时分析，在手术时间内完成检测并提供反馈。
**研究结果**
**3.1 训练数据中的参数优化**
通过网格搜索（交叉比例0–1，步长0.025；最大数据包持续时间0–0.05 s，步长0.0025 s）最小化SNN检测器与频谱检测器之间的MSE，得到最优参数：交叉比例0.2，最大数据包持续时间0.01 s，平均MSE = 6.2 HFO/min。通道间HFO率呈高相关性（Spearman R = .71, p = 1e
-21），线性拟合斜率为0.68（95% CI 0.62–0.75），表明SNN检测器标记的HFO数量少于频谱检测器。
**3.2 HFO检测器在验证数据中的性能**
固定参数后，在验证集中SNN检测器与视觉注释的HFO率相关性高（Spearman R = .79, p = 6e
-5），线性斜率0.30（95% CI 0.18–0.41）。在54例患者中（24例不良结局，30例良好结局），残留HFOs见于9例不良结局患者和1例良好结局患者，得到真阳性9例，真阴性29例，假阳性1例，假阴性15例。诊断性能指标：灵敏度38%（95% CI 21%–57%），特异性97%（95% CI 83%–99%），阳性预测值90%（95% CI 67%–98%），阴性预测值66%（95% CI 51%–78%），准确率70%（95% CI
