基于难治性癫痫患者脑网络特征的立体脑电图引导射频热凝毁损术预后预测.pdf

Chinese Journal of Biomedical Engineering2023年12 月December2023中医生国程物No.6报学学Vol.4242卷6 期基于难治性癫痫患者脑网络特征的立体脑电图引导射频热凝毁损术预后预测杨淑窈谢宇海1宫语晨刘强强2张薄明1*（上海交通大学生物医学工程学院，上海2200030)2（上海交通大学医学院附属瑞金医院卢湾分院功能神经外科，脑病中心上海200025)摘要：射频热凝毁损术（RFTC）治疗难治性癫痫的疗效的个体差异较大。本课题旨在研究术前脑网络图论指标，建立预测RFTC预后的模型。基于45例难治性癫痫患者术前的立体脑电图数据，建立时变多变量自回归模型，通过计算频谱加权的时变部分指向性相干，构建时变效应连接网络，计算图论指标。根据RFTC后至少3个月的Engel分级，将患者分为RFTC有效组（EngelI和I级）与RFTC无效组（EngelI级），进行组间图论指标的统计学分析，并基于图论指标，应用支持向量机（SVM）建模进行预后预测。结果表明,RFTC有效组的标准化的平均聚类系数（P=0.000）、小世界性（P=0.022）显著高于RFTC无效组，标准化的特征路径长度显著低于RFTC无效组（P=0.0 32）（R FT C有效组的标准化的平均聚类系数、小世界性和标准化的特征路径长度分别为0.99530.0002、0.8 530 0.0 0 6 2 和1.16 8 8 0.0 0 8 5;RFTC无效组的标准化的平均聚类系数、小世界性和标准化的特征路径长度分别为0.9940 0.0 0 0 2、0.8 3350.0 0 56 和1.19440.0 0 8 0）；应用以上3个指标，通过SVM进行RFTC疗效的预测，准确率达到8 1.97%。应用难治性癫痫患者术前的脑效应连接网络图论指标标准化的平均聚类系数、标准化的特征路径长度和小世界性建立的预后预测模型可以很好地预测RFTC疗效。关键词：癫痫；立体脑电图引导射频热凝毁损术；效应连接网络；图论；支持向量机中图分类号：R318文献标志码：A文章编号：0 2 58-8 0 2 1(2 0 2 3）0 6-0 6 51-0 8Stereo-Electroencephalography Guided Radiofrequency ThermocoagulationPrognosis Prediction Based on Brain Network Featuresof Patients with Refractory EpilepsyYang ShuyaoXieYuhaiCGong YuchenLiu QiangqiangZhang Puming1*(School of Biomedical Engineering,Shanghai Jiao Tong University,Shanghai 200030,China)2(Clinical Neuroscience Center,Department of Functional Neurosurgery,Rujin Hospital Luwan Branch,Shanghai Jiao TongUniversity School of Medicine,Shanghai 200025,China)Abstract:The outcome of radiofrequency thermocoagulation（R FT C)i n d i f f e r e n t p a t i e n t s w i t h r e f r a c t o r yepilepsy is usually largely different.This study aimed to investigate graph theory indexes of brain networks andestablish a RFTC prognosis prediction model.Based on the stereo-electroencephalography(SEEG)signals of45 patients with refractory epilepsy before RFTC,a time-variant multi-variate autoregressive model wasconstructed.Spectrum-weighted time-variant partial directed coherence was computed to build an effectiveconnectivity network of the brain and graph theory indexes of the effective connectivity network were analyzed.According to the Engel classification at least three months after RFTC,the patients were divided into RFTCresponder group(Engel I&II)and RFTC non-responder group(Engel III).The graph theory indexes wereused for statistical analysis between the two groups and for establishing prognosis prediction by support vectormachine(SVM).The normalized average clustering coefficient(P=0.000)and small-worldness(P=0.022)doi;10.3969/j.issn.0258-8021.2023.06.002收稿日期：2 0 2 2-0 8-2 3，录用日期：2 0 2 3-0 3-2 9基金项目：国家自然科学基金（8 2 0 7 1550）；上海交通大学医工交叉研究基金（YG2021QN30）*通信作者（Corresponding author）,E-ma i l；p mz h a n g s j t u.e d u.c n652中生42卷医程国报学学物of the patients in RFTC responder group were significantly higher than those in RFTC non-responder group,andthe normalized characteristic path length was significantly lower than those in the RFTC non-responder group(P=0.032）（T h e n o r m a l i z e d a v e r a g e c l u s t e r i n g c o e f f i c i e n t,t h e s m a l l-w o r l d n e s s a n d t h e n o r m a l i z e dcharacteristic path length of the patients in the RFTC responder group were 0.995 30.000 2,0.853 00.006 2 and 1.168 80.008 5,respectively.The normalized average clustering coefficient,small-worldnessand normalized characteristic path length of the patients in RFTC non-responder group were 0.994 O+0.000 2,0.833 50.005 6 and 1.194 40.008 0,respectively.Based on the three indexes,the accuracy of theprognosis prediction reached 81.97%by SVM.The RFTC prognosis prediction model based on the graph theoryindexes(normalized average clustering coefficient,normalized characteristic path length,and small-worldness)of the effective connectivity networks before RFTC could effectively predict the postoperative outcome.Key words:epilepsy;stereo-electroencephalography guided radiofrequency thermocoagulation;effectiveconnectivity network;graph theory;support vector machine引言癫痫是一种以至少产生一次发作而导致正常脑功能中断为特征的慢性神经系统疾病。目前全世界的癫痫患病率为7.6 0%o，年发病率大约为61.44/10万2；在我国，癫痫患病率为7.0%。3。大约有30%40%的癫痫患者服用两种以上抗癫痫药物后癫痫症状仍无法得到治愈或缓解，这种癫痫被称为难治性癫痫4。难治性癫痫的治疗手段主要有神经调控技术、饮食疗法、手术切除术、射频热凝毁损术（radiofrequency thermocoagulation，R FT C）等5-6。RFTC术后引发并发症的风险较小6,因此该方法引起越来越多的国内外研究者的关注。立体脑电图（stereo-electroencephalogram，SEEG）常用作临床判断致痫区域（epileptogeniczone,EZ)的金标准7。SEEG的电极一般包含十几个触点，临床医生根据患者的术前评估结果，立体定向地放置多根脑深部电极，直接记录位于大脑深部疑似EZ的脑电活动，从而定位EZ或电活动传播途径中的关键节点，为进一步的癫痫治疗提供依据6。利用电极的热凝毁损功能对EZ进行RFTC，定位精确、手术创伤小6。这种利用电极自身完成EZ热凝毁损的方法，称之为立体脑电图引导射频热凝毁损术(SEEG-RFTC)6SEEG-RFTC治疗难治性癫痫的疗效的个体差异较大8-10。Cossu等8 对 8 9 例接受SEECG-RFTC的难治性癫痫患者的研究发现术后12 个月随访时只有18%的患者完全无发作。Bourdillon等9的研究分析了16 2 例接受SEEG-RFTC治疗的难治性癫痫患者的疗效，发现术后10 年内只有13%的患者发作改善（发作频率减少50%）。关宇光等10 的研究发现,33例接受SEEG-RFTC治疗的难治性癫痫患者在术后6 15个月，只有51.5%的患者发作改善（发作频率减少 50%），而仍有48.5%的患者发作无明显改善。针对SEEG-RFTC治疗难治性癫痫的疗效个体差异较大这一问题，通过分析患者术前的SEEG数据预测RFTC疗效，可以减少医疗资源消耗，并及时为预测疗效不好的患者调整治疗方案。越来越多的研究者认为癫痫是一种网络性疾病。SEEG-RFTC通过毁损致痫网络中痫性放电活动的起始节点和在传播途径中起到了重要作用的节点来调控脑网络状态，从而达到抑制发作的目的。树海峰等【12 的研究发现,10 例接受SEEG-RFTC治疗的局灶性癫痫患者在RFTC前后,（8 13Hz）和（30 8 0 Hz）频段脑网络的小世界性具有显著性差异。本研究基于难治性癫痫患者在接受RFTC前的SEEG数据构建脑效应连接网络，计算图论指标，并建立预测RFTC预后的模型，为医生提供疗效预测信息。1材料和方法1.1材料1.1.1数据研究数据来源于上海交通大学医学院附属仁济医院功能神经科和上海交通大学医学院附属瑞金医院卢湾分院功能神经外科，包含45例难治性癫痫患者在RFTC前的SEEG数据。如表1和图1所示，所有患者均经历了非侵人式术前评估，包括癫痫发病史、发作频率、病程、磁共振成像（magneticresonance imaging，M R I）、正电子发射断层扫描653杨淑窈，等：基难治性癫痫患者脑网络特征的立体脑电图引导射频热凝毁损术预后预测6期表1患者临床信息Tab.1Clinical information of patients项目RFTC有效组RFTC无效组人数2916年龄/岁24.3111.2523.4410.97性别（男/女）12/1710/6术前发作频率8/10/116/4/6(D/W/M)术后发作分级（Engel分级：24/5/00/0/16I/II/I)病程/年11.628.1212.256.87发作类型局灶性发作局灶性发作MRI检查结果6/236/10(阴性/阳性）SEEG-RFTC适应证（A/B类）0/290/16注D：每日有发作的患者数目；W：每周有发作的患者数目；M：每月有发作的患者数目。I：发作完全消失；I：发作极少（3次/年）；：发作 3次/年，但发作减少50%。Note D:the number of patients with daily seizures;W:the numberof patients with weekly seizures;M:the number of patients with monthlyseizures.I:seizures disappeared completely;II:seizures were rare(3 times/year);III:seizures3 times/year,but the number of seizuresdecreasedby50%.(a)(b)图1某患者术前影像（每行左、中、右三列分别展示了影像的水平面、矢状面和冠状面）。（a)MRI与PET融合影像。十字交叉处右侧扣带沟两侧灰白质交界不清，PET代谢减低，提示为皮质发育畸形；（b）M R I影像Fig.1Preoperative images of a patient(In eachrow,the left,middle and right show horizontal,sagittal and coronal plane,respectively).(a）T h efusion images of MRI and PET.The junction of grayand white matter on both sides of the right cingulategroove at the cross is unclear,and PET metabolism isreduced,suggesting a malformation of corticaldevelopment;(b)The MRI images(positron emission tomography,PET）等。所有患者全部属于SEEG-RFTC的B类适应证。在患者和/或家属同意后，患者均被植人了脑深部电极（北京华科恒生医疗科技有限公司）并经历了RFTC治疗（R-2 0 0 0 B射频控温热凝器，北京北琪医疗科技有限公司）。每根深部电极包含12 16 个触点，直径为0.8 mm。某患者脑深部电极植入位置及记录的SEEG信号如图2 所示。RFTC治疗后至少3个月的Engel分级为I和的患者列人RFTC有效组，共有2 9例,Engel分级为的患者列人RFTC无效组,共有 16 例。本研究已取得上海交通大学医学院附属仁济医院医学伦理委员会（KY2 0 190 6 1）和上海交通大学医学院附属瑞金医院卢湾分院伦理委员会(LWEC2021016)的临床试验批准函。所有患者和/或家属均签署知情同意书。1.1.2数据预处理SEEG数据预处理过程包括以下步骤。步骤1：去除肌电、眼动等带有明显伪迹的信号；步骤2：减去所有通道信号平均值进行重参考；步骤3：经过6 0 Hz低通滤波器进行滤波；步骤4降采样，采样率为2 56、512 或10 2 4Hz的信号的频率被隔点抽样至12 8 Hz，采样率为1000或2 0 0 0 Hz的信号的频率被隔点抽样至125 Hz;步骤5：通过50 Hz的陷波滤波器抑制工频噪声的干扰。4(a)(b)图2某患者SEEG电极位置及记录信号。（a）M R I与PET融合影像，绿色圆点所示为电极触点。上下两列分别展示了影像的冠状面和水平面；（b）SEEG 信号【发作起始于C电极4 7 触点，对应为左额上沟的底部，如（a）红色箭头所示）Fig.2The location and signals of SEEG electrodes ina patient.(a)The fusion images of MRI and PET,with green dots showing electrode contacts.The abovepanel shows the coronal plane.The below panel showsthe horizontal plane;(b)SEEG signals The seizuresstarted at the contacts 4 7 of the C electrode,corresponding to the bottom of the left superiorfrontal sulcus,indicated by the red arrows in(a)中654生42卷报程医学学国物癫痫发作时，电活动从发作起始区域经迅速整合后传播至其它区域，因此分析发作开始前数10 s至发作开始后数秒内的脑网络活动特征，具有更显著的临床意义13。本研究根据SEEG信号时频图判断的发作起始时刻，选择发作起始时刻前10 s至发作起始时刻后10 s的SEEG数据进行后续分析。1.2方法基于难治性癫痫患者术前的SEEG信号构建效应连接网络，比较RFTC有效组与RFTC无效组患者在RFTC前的效应连接网络图论指标的差异。数据处理流程如图3所示，SEEG数据进行预处理后，建立时变多变量自回归（time-variant multi-variateautoregressive，T VM VA R）模型，通过卡尔曼滤波（Kalmanfilter,KF）算法估计TVMVAR模型的系数矩阵，基于系数矩阵计算频谱加权的时变部分指向性相干（spectrum-weightedtime-variantpartialdirectedcoherence，s w T VPD C），构建时变效应连接网络13,计算图论指标。1.2.1脑效应连接网络的构建TVMVAR模型表示为14P(k)=ZAm(h)y(h-m)+e(k)(1)m=1式中,y(h)=yi(k),y2(h),y,(k)T 是SEEG各通道在时间k处的信号，n是SEEG通道数，e(h）=e（k），e z（k)，,e,（k)是各通道的白噪声，p是模型阶数，A（k）是在时间k处的时间延迟为m的系数矩阵。KF是一种估计TVMVAR模型系数的有效方法14。通过KF得到的系数矩阵描述了在各个时刻大脑连接的因果关系。时变部分指向性相干(time-variant partial directed coherence,TVPDC)为在频域上研究这些因果关系的方法13A,(f,h)TVPDC,(f,k)=（2）Pre-processingSEEG signalsaaSWTVPDC12TVMVARmodelaa,22timeTimc-variantcoefficientmatricesTheeffectiveconnectivityGraphtheoryindexes ofthenetworkofthebraineffectiveconnectivitynetwork图3数据处理流程Fig.3Flow chart of data processing式中，n是SEEG通道数。A,（f,h）是从通道i到通道j对应时刻k频率f的系数矩阵的傅立叶变换值，lA，(f,k）|是傅立叶变换值的模。其归一化条件为Z TVPDC,(f,k)=1(3)表示在各个频率点，从一个通道流向所有通道（包括其自身）的信息流总和为1。SWTVPDC的定义为132S(f,k)SWTVPDC,(k)=TVPDC,(f,k)f2S,(f,k)f=f(4)式中，S(f,k）是通道i在时刻k频率f的功率谱密度。3 40 Hz的电活动已涵盖了SEEG信号在发作起始阶段与发作相关的主要节律活动15，本研究中,取fi为3Hz，f 为40 Hz。其归一化条件为SWTVPDC,(k)=1(5)以SEEG通道为节点，以通道之间由SwTVPDC计算所得的关联矩阵各元素值为节点间的连接权值，构建效应连接网络，进行患者脑网络图论指标的分析。1.2.2脑效应连接网络图论指标所计算的图论指标均为表征脑网络全局特征的指标，包括平均聚类系数（average clusteringcoefficient,ACC）、特征路径长度（characteristic pathlength，CPL）、小世界性（small-worldness，SW）、全局效率(global eficiency,Eglob)等16 。聚类系数是衡量脑网络内部集群特性和连接紧密程度的参数，某节点聚类系数越大，说明该节点与其他节点连接越紧密。整个网络所有节点的聚类系数的平均值为ACC,反映脑网络的全局连接紧密度，ACC越大表明脑网络的连接越紧密16,即j,heNACC=(6)ieNk;(k,-1)式中，n是节点数，N是脑网络中所有节点的集合，k,是节点i的度，是从节点i到节点j的连接权值。最短路径长度是网络中两个节点之间的最短距离,网络中所有节点的最短路径长度的平均则为CPL,所有节点的最短路径长度倒数的平均值则为Eglob。CPL和Eglob衡量脑网络的全局信息传输能力。CPL越小，Eglob越大，表明脑网络节点间传递信息能力越强16，即6556期杨淑窈，等：基于难治性癫痫患者脑网络特征的立体脑电图引导射频热凝毁损术预后预测jend1j￥iCPL(7)nieNn-1ien(d,)-11Eglob=(8)nieNn-1式中，n是节点数，N是脑网络中所有节点的集合，d，是从节点i到节点i的最短路径长度。SW衡量一个网络所呈现出小世界性的程度，小世界网络拥有良好的连接能力（平均聚类系数更高）及良好的全局传输能力（特征路径长度更低），SW值越大，小世界性越强，网络连接越紧密、信息传输能力越强16,即SW=之(9)入ACC(10)ACC,CrandomCPL入(11)CPL,random式中,ACC,Aran和CPLrandom是是使用马尔科夫链对构建的脑网络进行随机化17 得到10 0 个度分布与构建的脑网络一致的随机网络后，计算的10 0 个随机网络的ACC和CPL的平均值；是脑网络的ACC与ACCCrandom白的比值，即标准化的平均聚类系数；入是脑网络的CPL与CPLrandom的比值，即标准化的特征路径长度。1.2.3预测模型及评价指标因受试的样本量较小，因此选用在小样本分类和预测上具有优势的支持向量机（supportvectormachine,SVM)进行RFTC疗效的预测。SVM核函数选择为径向基函数,以参数对c,gl（c 为惩罚系数，g为比例参数）作为核函数的参数。用网格搜索方法，寻找误差最小的log2c和log2g作为最优参数。log2c和log2g取值范围都设置为-5,2 0，步长为0.5。由于RFTC 有效组与 RFTC无效组难治性癫痫患者数目的不平衡,取RFTC有效组的2 9名患者的1段SEEG数据，RFTC无效组的16 名患者的2 段SEEG数据作为样本，共6 1例样本。采用敏感性（sensitivity）、特异性（specificity）、精确度（precision）、F1分数（F1-score）、准确率（a c c u r a c y）等指标来评估预测模型的效果，计算公式为TPsensitivity100%(12)TP+FNTNspecificityX100%(13)TN+FPTPprecision 100%(14)TP+FP2 precision:sensitivityF1-score:100%precision+sensitivity(15)TP+TNaccuracy 100%(16)TP+TN+FN+FP式中，TP（t r u e p o s i t i v e s）代表被正确地划分为有效的样本数；FP（f a l s e p o s i t i v e s）代表被错误地划分为有效的样本数；FN（f a l s e n e g a t i v e s）代表被错误地划分为无效的样本数；TN（t r u e n e g a t i v e s）代表被正确地划分为无效的样本数1.2.4统计分析方法采用独立样本t检验和Mann-WhitneyU检验（SPSS2 4.0,IBM,U SA）对图论指标进行统计分析，当P0.05时，认为两组样本之间存在显著的统计学差异。2结果2.1图论指标统计分析结果RFTC有效组与RFTC无效组患者脑效应连接网络图论指标的统计分析结果如图4所示。RFTC有效组的（P=0.000）和SW（P=0.0 2 2）显著高于RFTC无效组;RFTC有效组的入显著低于RFTC无效组(P=0.032)2.2预测模型通过SVM五折交叉验证，对比单独应用、入或SW、应用上述3个指标以及应用ACC、CPL、Eg l o b、入、SW这6 个指标的预测疗效的结果。表2 为不同图论指标下的预后预测结果：单独应用进行预测的准确率为52.46%；单独应用入进行预测的准确率为6 3.93%；单独应用SW进行预测的准确率为57.38%；应用、入、SW这3个指标，预测的准确率达到8 1.97%,与应用ACC、CPL、Eg l o b、入、SW这6个指标的预测准确率一致。SVM的接受者操作特性曲线（receiveroperatingcharacteristic curve,ROC）如图5所示，AUC（a r e aunder curve）为ROC曲线下的面积。单独应用、入或SW、应用上述3个指标以及应用ACC、CPL、Eglob、入、SW这6 个指标得到的AUC分别为0.5851、0.6 498、0.57 97、0.8 351、0.8 319。应用、入、SW这3个指标的AUC与应用ACC、CPL、656中生42卷医报程国学学物X103X10*3200O10588181504836100non-respondergrouprespondergroupnon-respondergrouprespondergroupnon-respondergrouprespondergrouppatientpatientpatient(a)(b)()0.95*0.998O1.30.900.9961.20.9940.800.99281.1non-respondergrouprespondergroupnon-respondergrouprespondergroupnon-respondergrouprespondergrouppatientpatientpatient(d)(e)()图4效应连接网络图论指标在RFTC无效组（non-respondergroup，n=32）和RFTC有效组（respondergroup，n=29)的统计结果（*代表组间具有显著性差异,P0.05）；空心圆圈o代表异常值）。（a）A CC；（b）CPL；（c）Eg l o b；(d);(e)入;(f)SWFig.4 Statistical analysis results of graph theory indexes of the effective networks between RFTC non-respondergroup(n=32)and RFTC responder group(n=29.The asterisk represents statistically significant difference,P 0.05.The hollow circles represent the outliers).(a)ACC;(b)CPL;(c)Eglob;(d);(e);(f)SW表2 不同图论指标下的预后预测结果Tab.2Prognosis prediction results under different graph theory indexes指标敏感性/%特异性/%精确度/%F1分数准确率/%AUC58.6246.8850.000.539 752.460.5851入55.1771.8864.000.592 663.930.6498SW55.1759.3855.170.551757.380.5797.SW82.7681.2580.000.813 681.970.8351ACC,CPL、Eg l o b、入,SW82.7681.2580.000.813 681.970.831 91.00.80.60.4AUC=0.5851AUC=0.64980.2SWAUC=0.5797AUC=0.8351ACC、C PL、AUC-0.8319a、SW、Eg l o b00.20.40.60.8l-specificity图5预后预测模型ROC曲线Fig.5ROC curve of prognosis prediction modelsEglob、入、SW等6 个指标的AUC相近，说明、入和SW这3个有显著性差异的图论指标在用于预测RFTC疗效的所有指标里起到了决定性的作用，而其他指标提供了穴余信息3讨论本研究通过对比分析SEEG-RFTC有效和无效的难治性癫痫患者在接受RFTC前的脑效应连接网络图论指标,发现RFTC有效组患者脑网络在术前具有更高的和SW，以及更短的入，表明术前脑网络具有较好的连接能力和全局传输能力，即小世界属性较强的患者预后情况更好。研究者已经发现全局性图论指标能够反映癫痫脑网络的状态18-1。Ponten 等18 的研究采集了7例难治性癫痫患者的SEEG数据,将发作分为发作间期、发作前期、发作中期、发作后期和发作结束，使用同步似然法构建不同频段每个发作阶段的脑网络并计算和入，发现在发作期间，脑网络在(813Hz)、0(4 8 H z)和(1 4Hz)频段的和入显著增加。Bartolomei等(19的研究对11例内侧657杨淑窈，等：基于难治性癫痫患者脑网络特征的立体脑电图引导射频热凝毁损术预后预测6期叶癫痫患者与8 例非内侧叶癫痫患者的发作间期的SEEG数据，构建功能脑网络，计算图论指标，发现内侧题叶癫痫患者组的和入显著高于非内侧叶癫痫患者组。凌淑莹2 0 的研究将30 例叶癫痫患者分为耐药组和药敏组，分别对其发作间期脑电数据构建脑网络，计算不同频段的图论指标，发现与正常对照组相比，耐药组在（4 7 H z）、（14 30 H z）频段的ACC、Eg l o b 和SW显著增加、CPL显著降低，而在（8 13H z)频段变化则相反；与药敏组相比，耐药组在、和频段的ACC、Eglob和SW显著增加、CPL显著降低。Liao等2 1基于37 名内侧题叶癫痫患者的功能核磁共振成像数据，应用皮尔逊相关系数构建脑功能网络，比较手术切除后不同疗效组在术前的脑网络图论指标（连接强度、ACC、Eg l o b、SW），发现与术后无效组相比,术后有效组在术前的Eglob更大。因此,结合我们的研究结果可知，癫痫患者发作期脑网络的图论指标可以为预后预测提供参考信息，但是究竟哪些指标能够更好地为预后预测提供信息？这个问题还需要进一步在更多的临床数据上进行研究。Sinha 等2 2 对16 名难治性癫痫患者发作间期的皮层脑电图数据构建功能连接，以此作为双稳态模型的系数矩阵，计算并比较患者实际手术切除以及模拟的随机切除的脑网络的致痫性，预测癫痫患者术后疗效的准确率为8 1.3%。Zhou等2 3对5名癫痫患者发作间期的皮层脑电图数据使用归一化的有向传递函数的系数矩阵来构建双稳态模型,同样计算并比较患者实际手术切除以及模拟的随机切除的脑网络的致痫性，预测癫痫患者术后疗效的准确率为6 0%。上述研究使用的患者数量较少，预后预测模型准确率的可靠性低。而本研究使用swTVPDC方法对45名患者的6 1例发作期SEEG数据构建脑网络，计算的、入和SW这3个全局性图论指标建立的RFTC预后预测模型的准确率为81.97%，该模型具有一定的分类能力，可以为预后预测提供参考信息，并辅助医生预判选择的治疗方法是否对该患者有效，从而可以及时调整治疗方案。未来的研究将在收集更多数据的基础上建立预后预测模型以期能够提高模型的准确率以及AUC。有研究发现SEEG信号中一些特定的发作起始模式（seizure onset patern,SOP）2 4-2 5、发作期的不同发作阶段【18、SEEG数据计算的频段【18、随访时间9以及患者病程2 6 都可能与术后疗效有关。Catenoix等2 4分析了14名皮质发育不良引起的难治性癫痫患者的SOP类型,发现SOP为低压快速活动的患者RFTC后疗效更好。Liang等2 6 分析了17名患病不超过5年的题叶癫痫患者和2 0 名患病超过5年的叶癫痫患者的静息态功能磁共振成像构建的脑功能网络的图论指标，发现患病不超过5年的患者脑功能网络的、SW和Eglob显著低于健康对照组。因此,未来工作的方向是将在增大样本量的基础上,根据难治性癫痫患者的SOP、发作阶段、不同频段、随访时间、患者病程进行分类，再进行后续的疗效预测模型的建立，从而进一步提高预测模型的准确率。4结论本研究基于难治性癫痫患者术前的SEEG数据构建效应连接网络，分析图论指标，发现RFTC有效组的标准化的平均聚类系数、小世界性显著高于RFTC无效组，标准化的特征路径长度显著低于RFTC无效组。应用以上3个指标，通过SVM建立的预测模型,可有效预测RFTC疗效。参考文献1Falco-Walter JJ,Scheffer IE,Fisher RS.The new definition andclassification of seizures and epilepsy J.Epilepsy Research,2018,139:73-79.2Fiest KM,Sauro KM,Wiebe S,et al.Prevalence and incidenceof epilepsy:a systematic review and meta-analysis of internationalstudiesJ.Neurology,2017,88(3):296-303.3中国抗癫痫协会，中华医学会神经外科学分会神经生理学组，中华医学会神经病学分会癫痫与脑电图学组，等癫痫外科术前评估中国专家共识（2 0 2 2 版）【J中华神经外科杂志，2 0 2 2，38(10)：97 3-97 9.4Laxer KD,Trinka E,Hirsch LJ,et al.The consequences ofrefractory epilepsy and its treatment J.Epilepsy&Behavior,2014,37:59-70.5Johnson EL.Seizures and epilepsy J.Medical Clinics of NorthAmerica,2019,103:309-324.6Catenoi