《Neurology Open Access》：Quantifying Interictal Spike Asymmetry on Scalp EEG to Lateralize the Seizure-Onset Zone in Temporal Lobe Epilepsy
编辑推荐：
背景与目的：准确侧化颞叶癫痫（TLE）的癫痫灶对于手术规划至关重要。研究人员目前捕捉多次发作的方法常因发作起始变异性而遗漏双侧病变。发作间期棘波率不对称性是一个有前景的TLE侧化标志物。然而，目视分析具有较低的信度间一致性，且无法估计长期棘波率。本研究评估了头
背景与目的：准确侧化颞叶癫痫（TLE）的癫痫灶对于手术规划至关重要。研究人员目前捕捉多次发作的方法常因发作起始变异性而遗漏双侧病变。发作间期棘波率不对称性是一个有前景的TLE侧化标志物。然而，目视分析具有较低的信度间一致性，且无法估计长期棘波率。本研究评估了头皮脑电图自动检测到的发作间期棘波不对称性是否能够侧化临床医生标注的TLE癫痫灶。
方法：研究人员进行了一项回顾性队列研究，纳入在宾夕法尼亚大学医院接受头皮脑电图记录的药物难治性TLE患者。使用经过验证的深度学习模型量化棘波率，并开发了一种新颖的“留出一半球”方法以侧化棘波的侧别。研究人员建立了一个逻辑回归模型来预测临床医生确定的侧化。模型性能通过ROC曲线下面积（AUC）、准确率和精确率-召回率曲线下面积（AUPRC）进行评估。
结果：在纳入的365例患者中（女性205例[56.2%]；中位年龄38岁，范围18–86岁），训练队列包括261例患者，独立的时间偏移验证队列包括104例。在测试队列中，左侧TLE vs 右侧/双侧TLE的分类实现了AUC为0.78（95% CI 0.69–0.87），准确率为70%，AUPRC为0.80（95% CI 0.69–0.91）；右侧TLE vs 左侧/双侧TLE的分类实现了AUC为0.80（95% CI 0.70–0.88），准确率为75%，AUPRC为0.71（95% CI 0.56–0.85）。模型-手术一致性正向关联于良好的手术结局。Engel I结局与更高的一致性概率相关（中位差异=0.20；95% CI ?0.02至0.39；r=0.35；p=0.037），而ILAE 1–2未观察到显著关联（中位差异=0.20；95% CI ?0.06至0.38；r=0.29；p=0.084）。
讨论：头皮脑电图发作间期棘波不对称性显示出作为TLE无创侧化标志物的潜力。应用该模型可在其与其他无创数据一致时确认TLE侧化，或识别出双侧TLE可能性高的患者，从而可能避免不必要的侵入性研究并减少评估所需的发作次数。
颞叶癫痫（temporal lobe epilepsy, TLE）是成年人最常见的药物难治性癫痫类型，准确侧化癫痫灶对手术规划至关重要。目前临床通过捕捉多次发作来侧化，但发作起始的变异性常导致遗漏双侧TLE，这是术后复发的主要原因之一。发作间期棘波（interictal spike, IS）是皮质过度兴奋的生物标志物，其不对称性可能侧化TLE，但传统目视分析信度低且无法估计长时间棘波率。因此，需要客观、可扩展的定量方法。本研究评估自动检测的头皮脑电图（scalp EEG）发作间期棘波不对称性能否侧化临床医生定义的发作起始区（seizure-onset zone, SOZ），并探讨其临床应用价值。论文发表在《Neurology Open Access》。
研究人员开展了一项回顾性队列研究，纳入2017–2024年宾夕法尼亚大学医院（HUP）癫痫监测单元（EMU）的365例药物难治性TLE患者（训练集261例，2017–2022年；测试集104例，2023–2024年）。使用深度学习模型SpikeNet2自动检测棘波率，并开发留出一半球（leave-one-hemisphere-out, LOHO）方法侧化棘波侧别，计算棘波不对称指数（spike asymmetry index, SAI）。基于SAI建立逻辑回归（logistic regression）模型进行二分类（左TLE vs 其他，右TLE vs 其他），在独立测试集评估性能，并通过手术结局验证。
**患者信息**：训练集261例（中位年龄38岁，女性56.3%），测试集104例（中位年龄39.5岁，女性55.8%）。棘波率在睡眠期显著高于清醒期（Wilcoxon符号秩检验，p<0.001）。SAI在多次入院间具有中等一致性（r=0.552，p<0.001）。
**棘波不对称性在不同SOZ侧化间存在显著差异**：在训练集中，左、右、双侧TLE三组间SAI存在显著差异（Kruskal-Wallis检验，χ
2(2)=106.34，p<0.0001）。配对比较显示，左侧TLE患者SAI偏左，右侧TLE患者SAI偏右，双侧TLE患者居中。棘波率在双侧TLE组高于左侧TLE组（Bonferroni校正后p=0.03）。
**整合棘波不对称指数的分类器预测SOZ侧化**：在测试集上，左侧TLE vs 右侧/双侧分类的AUC为0.78（95% CI 0.69–0.87），准确率70%，AUPRC为0.80（95% CI 0.69–0.91）；右侧TLE vs 左侧/双侧分类的AUC为0.80（95% CI 0.70–0.88），准确率75%，AUPRC为0.71（95% CI 0.56–0.85）。模型性能随记录时长增加而提升，约20小时后趋于稳定。睡眠期模型在短时记录中优于清醒期模型。使用商业平台Persyst 14检测棘波时，模型性能相似（DeLong检验无显著差异）。
**预测的TLE侧化与手术侧的一致性正向关联于术后无发作**：在49例接受手术（19例切除，30例激光消融）且有至少1年随访的患者中，Engel I结局与更高的一致性概率显著相关（中位差异=0.20，95% CI ?0.02至0.39，r=0.35，p=0.037）；ILAE 1–2结局呈相似趋势但未达显著（中位差异=0.20，95% CI ?0.06至0.38，r=0.29，p=0.084）。
讨论部分总结了研究结果的意义：自动化棘波侧化可作为无创辅助工具，当与其他无创数据一致时支持手术决策，或提示双侧TLE可能性高从而避免侵入性检查。模型性能在20小时内达到稳定，可帮助优化EMU住院时长。与商业软件性能相似，提示方法可推广。局限性包括单中心设计、手术例数有限、不同中心硬件差异等。结论：本研究表明，基于头皮EEG的自动棘波侧化有潜力成为手术规划中的有价值无创工具。虽然需要进一步大规模验证以证明其对临床疗效的影响，但研究人员的发现支持自动棘波检测可用于指导手术规划，并最终可能有助于减少对更具侵入性诊断干预的依赖。
