Leikkaukseen liittyvän afasian riskin kvantifiointi aivokasvaimen poiston jälkeen

Leikkaukseen liittyvän afasian riskin kvantifiointi aivokasvaimen poiston jälkeen

Voivatko kirurgit mitata afasiariskin aivokasvainta poistaessaan? Asian selvittämiseksi Münchenin teknisen yliopiston (TUM) Rechts der Isar -klinikan tutkijat analysoivat aivoja verkostona. Äskettäisessä 60 potilaalla tehdyssä tutkimuksessa he saavuttivat osumaprosentin kolmella neljäsosalla ennusteistaan.

Mit einer speziellen Form der Magnetresonanztomographie, der sogenannten Traktographie, erstellen Wissenschaftler der TUM 3D-Darstellungen der Netzwerke von Nervenbahnen im Gehirn. Bildnachweis: Technische Universität München (TUM)

Aivokasvaimet ovat suhteellisen harvinaisia. Saksan neurologien yhdistyksen mukaan vuosittainen ilmaantuvuus on noin viisi tapausta 100 000 asukasta kohti. "Mutta useimmissa tapauksissa kasvaimen kirurginen poistaminen on väistämätöntä", sanoo professori Sandro Krieg, joka arvioi, että gliooma – yleinen aivokasvaimen muoto – poistetaan Münchenin teknisen yliopiston (TUM) Klinikum Rechts der Isarissa. "Melkein joka päivä."

Kasvaimesta riippuen Krieg ja hänen kollegansa kehittävät yksilöllisiä hoito- ja kirurgisia strategioita. Ratkaiseva kohta: Tervettä kudosta tulee säästää mahdollisimman paljon eikä rakenteita saa vahingoittaa, mikä voisi johtaa lisärajoituksiin. Esimerkiksi "afasia" on termi postoperatiivisille kielihäiriöille. "Haluamme saada tarkat tiedot afasiariskistä ennen leikkausta."

Rechts der Isar Clinicin neurokirurgisen klinikan ylilääkäri on työskennellyt preoperatiivisen aivokartoituksen parissa yli 10 vuotta. "Olemme jo pitkään tunteneet aivojen keskeiset paikat, jotka vastaavat toiminnoista, kuten liikkeestä tai kielestä. Mutta vasta viimeisen viiden vuoden aikana olemme alkaneet analysoida aivoverkostoa saadaksemme selville, kuinka eri alueet toimivat yhdessä, esimerkiksi mahdollistaakseen ihmisen puhumisen. Yksi asia on selvä: kielikeskusta sinänsä ei ole. Sen sijaan rakenne on enemmän kuin useita keskityksiä tai solmuja suuressa verkostossa, jonka kautta kieli on mahdollista."

Aivokasvain: Ennusteet koneoppimisen kautta

Aivojen verkko-ominaisuuksien analyysi - ns. connectome-analyysi - menetelmä, jota prof. Kriegin tiimi on käyttänyt noin kahden vuoden ajan - on avainasemassa nykyisessä tutkimuksessa. "Tällä tavalla mittaamme yhteydet yksittäisillä aivoalueilla", sanoo prof. Krieg. "Olemme nyt alkaneet osoittaa tarkempia toimintoja aivoalueille."

Neurotieteen e-kirja

Kokoelma viime vuoden huippuhaastatteluista, artikkeleista ja uutisista. Lataa ilmainen kopio

TUM:n tutkijat tohtori Haosu Zhang ja tohtori Sebastian Ille ovat kartoittaneet anatomisia kuvia kielikyvystä vastaavista aivojen kerroksista. Prosessi on seuraava: "Käyttäen erityistä magneettikuvausta, traktografiaa, luomme 3D-esityksiä aivojen hermopolkujen verkoista ja aliverkoista", Zhang selittää.

Tätä verkkoanalyysiä tukee navigoidun transkraniaalisen magneettisen stimulaation menetelmä, jossa kohdennettu magneettipulssi estää hermosoluja kielestä vastuussa olevissa kuitujonoissa. Tämä aiheuttaa potilaalle tilapäisen puhehäiriön, joka voidaan havaita videoanalyysissä. Sen avulla tutkijat voivat tunnistaa tarkasti kielestä vastaavat aivoalueet.

Yhdistämme traktografiasta saadut ns. connectome-parametrit tietoon potilaan puhetoiminnasta.

Tri Haosu Zhang, TUM-tutkija

Zhangin ja Illen algoritmissa on erikoista, että se tarjoaa "tilastollisesti merkittäviä parametreja" - tietoja, joita voidaan käyttää koneoppimismallin kouluttamiseen ja siten yksittäisten potilaiden kielen paikallistamiseen. Niin monimutkaiselta kuin eri analyysimenetelmien soveltaminen kuulostaakin, menetelmän tärkein ominaisuus on sen yksinkertaisuus: koko analyysiprosessi toimii ilman monimutkaisia ​​algoritmeja tai tehokkaita tietokoneita. "Käyttämämme tiedot ovat peräisin rutiininomaisista sairaalatesteistä", Zhang sanoo.

Verkkoanalyysi: 73 prosentin tarkkuus ennustaa kielen heikkenemistä

Äskettäisessä 60 potilaan tutkimuksessa Rechts der Isar Clinicin tutkijat osoittivat, että tämä yhdistetty analyysi voi ennustaa huomattavalla tarkkuudella (73 %), johtaako leikkaus kieliongelmiin (leikkauksen jälkeinen afasia). "On erittäin tärkeää pystyä tekemään nämä ennusteet", Krieg sanoo. Hän on innoissaan mahdollisuudesta pystyä kvantifioimaan riskiä tarkemmin "todellisen verkkoanalyysin" avulla ja konkreettista dataa auttamaan aivojen kartoittamisessa.

Lisäksi: Koneoppimisen avulla ennusteet paranevat entistä paremmin ajan myötä. Mutta tätä varten tutkijat tarvitsevat enemmän potilastietoja koneoppimisalgoritmien kouluttamiseksi. "Se on ainoa lähestymistapa, joka voi käyttää big dataa ennustamaan kirurgisen toimenpiteen riskiä", sanoo professori Krieg, joka aikoo nyt värvätä lisää potilaita tutkimukseensa. Hän uskoo, että vain "muutama sata" potilasta riittää erittäin tarkkoihin ennusteisiin.

Lähde:

Münchenin teknillinen yliopisto (TUM)

Viite:

Ille, S., et ai. (2022) Preoperatiivinen toimintokohtainen liitosanalyysi ennustaa leikkaukseen liittyvää afasiaa gliooman resektion jälkeen. Ihmisaivojen kartoitus. doi.org/10.1002/hbm.26014.

.