北京好治疗酒渣鼻医院 http://baidianfeng.39.net/a_wh/210117/8598818.html
本文原始文献来自MolecularPsychiatry，题为“Neuroimaging-basedbrain-agepredictionindiverseformsofepilepsy:asignatureofpsychosisandbeyond”。DOI:10./s---9.
Abstract
癫痫是一种多样化的脑部疾病，其各种形式和合并症的病理生理学在很大程度上是未知的。最近的一种机器学习方法使我们能够通过MRI估计一个人的“脑年龄”；这种脑年龄预测有望成为神经精神疾病的新型个体生物标志物。本研究的目的是估计各类癫痫的脑年龄，并评估脑年龄对(1)精神病对颞叶癫痫(TLE)的影响，(2)心因性非癫痫发作(PNES)的与MRI阴性癫痫和(3)进行性肌阵挛癫痫(PME)与青少年肌阵挛癫痫(JME)的临床区分。总共使用来自健康对照(HC)的次T1加权MRI扫描来构建具有支持向量回归的脑年龄预测模型。使用模型，我们计算了HC和名癫痫患者的大脑预测年龄差异（brain-PAD：预测年龄-实际年龄）。我们根据研究问题比较了brain-PAD值。结果，除颞叶外局灶性癫痫外，所有类别的患者都显示brain-PAD显著增加。海马硬化的TLE表现出明显高于其他几个类别的brain-PAD。发作间期精神病的TLE的平均brain-PAD为10.9年，显著高于无精神病的TLE（5.3年）。PNES显示出与癫痫患者相当的平均brain-PAD（10.6年）。PME的brain-PAD高于JME（22.0年vs.9.3年）。总之，基于神经影像学的脑年龄预测可以为癫痫的各种症状提供新的见解或临床实用性。
Introduction
癫痫是一种常见但种类繁多的脑部疾病。考虑到癫痫发作的多种类型、脑电图(EEG)发现、结构异常和遗传学，对该疾病的临床分类的尝试仍在继续。此外，虽然癫痫发作是癫痫的主要症状，但癫痫患者最终往往会出现各种形式的合并症。特别是精神和行为问题，包括心因性非癫痫性癫痫发作(PNES)，是该病的重要方面之一。然而，这些不同形式的癫痫及其相关疾病的病理生理学仍不清楚，需要阐明以更好地临床治疗。
另一方面，大脑图像中的机器学习最近被预期用作许多神经精神疾病的潜在个体水平生物标志物。癫痫神经影像学的自动分类已经有一些有用的应用。此外，机器学习的最新进展使我们能够使用回归模型预测个人大脑图像的年龄。这种“基于神经影像学的脑年龄预测”已应用于多种精神疾病和阿尔茨海默病。对于癫痫，Pardoe等人报道，与难治性局灶性癫痫的实际年龄相比，脑年龄显著增加了4.5年。我们认为脑年龄预测可以提供有关其他形式癫痫的有用信息。因此，本研究的最初目的是根据以下三个临床研究问题估计各类癫痫患者的脑年龄。
首先是精神病对癫痫的影响。精神病是癫痫的重要合并症，大约10-20%的颞叶癫痫(TLE)患者患有精神病，高于一般人群。另一方面，许多其他TLE患者不会发展为精神病，并且尚未对这些不同的表型提出合理的解释。根据最近关于精神分裂症脑年龄的研究，精神分裂症患者的脑年龄比实际年龄高3-5岁，并且这种差距在精神病发作前后加速。因此，我们假设脑年龄也可能是癫痫症精神病的新生物标志物，并且可能比非精神病患者显示出更高的值。
其次，我们旨在研究PNES与MRI视觉评估无病变的癫痫（即磁共振成像(MRI)阴性癫痫）之间的差异。PNES被定义为类似于癫痫发作但由心因性机制引起的发作。由于PNES不具有癫痫生理学，PNES患者应与癫痫患者区别治疗。然而，PNES的诊断有时是困难的，特别是在视频脑电图监测作为PNES的金标准诊断确认发作症状和脑电图结果获得的机会有限的情况下。实际上，许多国家都认为PNES是一个诊断和治疗问题。我们认为基于MRI的生物标志物可以识别PNES和癫痫之间的显著差异，特别是在视觉正常的MRI病例中，将对临床医生和患者有所帮助。此外，尽管PNES是异质的，不能用任何单一机制来解释，但结果可能会进一步阐明PNES的病理生理。
第三，我们讨论了进行性肌阵挛性癫痫(PME)和青少年肌阵挛性癫痫(JME)之间的差异。PME是一组以肌阵挛性癫痫发作和进行性神经功能障碍为特征的神经退行性疾病，包括共济失调或智力减退。由于PME在临床上通常很难在早期与JME区分开来，JME是一个更常见且基本无进展的组，预后更好，因此已经进行了一些尝试来证明PME和JME之间的具体差异。与第二个目标一样，我们也将脑年龄预测应用于这种鉴别。
MaterialsandMethodsHealthycontrols包括例（F/M=/）HCs，年龄20-89岁，平均年龄55.4±15.3岁，所有健康被试用来构建脑龄预测模型。
Patients
包括例患者，具体的诊断、纳入、排除标准详见原文。病例组成间Table1.
Psychosisevaluation
我们仅评估了TLE患者是否存在发作间期精神病(IIP)。由于TLE的精神发患病率最高，因此这项精神病调查最初是为TLE患者计划的。根据精神疾病诊断和统计手册第4版标准诊断IIP的存在或病史。在名TLE患者中，21名被诊断为IIP；其他人没有精神病发作。
MRIacquisition
两台设备采集数据，HC中的例由Protocol1采集，另外例由Protocol采集。所有患者数据由Protocol1采集。具体参数详见原文。
Neuroimagingprocessing
采用SPM12进行标准化处理（4mm平滑核）得到GM和WM密度图，空间标准化后的GM和WM图重采样为8mm各向同性的空间分辨率。直接连接提取的每个体素的值（编者注：即将各特征串联呈特征向量）作为特征构建回归模型。具体细节详见原文。
SupplementaryFigure1.ThepipelinesoftheMRIprocessingandbrainagemodelbuildinginthisstudyRegressionmodelandvalidation
为了探索各种形式癫痫的大脑年龄，我们使用了在LIBSVM工具箱中进行的标准nu-SVR模型，应用线性内核和默认参数集（即，在LIBSVM中：C?=1，v?=0.5）。SVR先前已在从T1加权MRI图像估计脑年龄方面表现出强大的性能。根据先前文献研究结果，使用主成分分析来降低过拟合的概率并克服维度灾难。主成分的数量设置为每人个。
因此，对于回归模型，真实年龄被认为是因变量，而源自连接的GM和WM体素密度的主成分被认为是自变量。为了评估所提出的回归模型的能力，我们对训练集（即健康个体）进行了十折交叉验证，每次迭代中的一个被视为测试，其余的折被视为训练集。模型精度通过整个十折交叉验证的平均绝对误差、均方根误差以及实际年龄与评估的年龄之间的相关性来衡量。此后，使用整个训练集（即健康个体[N?=])来构建模型，然后应用于癫痫患者(N?=)以估计大脑年龄。Group
转载请注明地址:http://www.ihgqp.com/kfbl/17448.html
