Klasifikace typu fokální kortikální dysplázie dle interiktální aktivity v invazivním EEG

Abstract

Fokální kortikální dysplázie (FCD) je častou příčinou farmakorezistentní epilepsie. Určení podtypu FCD je zásadní při plánování resekčního výkonu u těchto pacientů. Cílem této práce je na základě parametrizace výskytu interiktálních výbojů IED v předoperačním iEEG záznamu predikovat podtyp FCD. Byla navržena metodika pro parametrizaci a testování kvaziperiodického výskytu IED v denních a nočních záznamech. Pomocí 11 parametrů byly popsány data 40 pacientů trpících FCD podtypu I a II. Univarietním i multivarietním testováním byly hledány specifické parametry pro stratifikaci podtypů FCD, které byly posléze použity k tvorbě predikčního GLM modelu. Podařilo se najít 6 parametrů stratifikujících pacienty mezi podtypy FCD I a II. Byl navržen klasifikátor s úspešností 82,5\% v křížové validaci. Noční data se ukázala jako nejvíce specifické pro stratifikaci podtypu FCD. Navržená metodika může zvýšit výtěžnost předoperačního iEEG vyšetření, objektivizuje posouzení výskytu IED a umožňuje na jeho základě predikovat podtyp FCD s vysokou spolehlivostí.

Focal cortical dysplasia (FCD) is a frequent cause of drug-resistant epilepsy. Determining the FCD subtype is essential in planning resection surgery in those patients. The aim of this work is to predict the FCD subtype based on the parameterization of the occurrence of interictal discharges IEDs in the preoperative iEEG recording. A methodology for parameterization and testing of the quasiperiodic occurrence of IEDs in day and night recordings was proposed. Data from 40 patients with FCD subtypes I and II were described using 11 parameters. Specific parameters for stratification of FCD subtypes were sought by univariate and multivariate testing, which were then used to create a predictive GLM model. We have found 6 parameters stratifying between FCD subtypes I and II. A classifier with a cross validation performance of 82.5\% was designed. Nocturnal data proved to be most specific for stratification of FCD subtypes. The proposed methodology can increase the yield of preoperative iEEG examination, objectify the assessment of the occurrence of IEDs and allow to predict the FCD subtype with high reliability.