定量的な機能的接続性と再発プロット解析を用いた発作時の大域的および局所的な状態の同定

/ /

日本語AIでPubMedを検索

PubMedの提供する医学論文データベースを日本語で検索できます。AI(Deep Learning)を活用した機械翻訳エンジンにより、精度高く日本語へ翻訳された論文をご参照いただけます。

Comput. Biol. Med..2020 Jul;122:103858. S0010-4825(20)30217-1. doi: 10.1016/j.compbiomed.2020.103858.Epub 2020-06-15.

定量的な機能的接続性と再発プロット解析を用いた発作時の大域的および局所的な状態の同定

Identification of global and local states during seizures using quantitative functional connectivity and recurrence plot analysis.

Leila Abrishami Shokooh
Dènahin Hinnoutondji Toffa
Philippe Pouliot
Frédéric Lesage
Dang Khoa Nguyen

PMID: 32658737 DOI: 10.1016/j.compbiomed.2020.103858.

抄録

序論:

動的システムとして、脳は常に状態を変化させており、てんかん発作は低次元の周期的な脳の状態であるという仮説が立てられています。この仮説に基づいて、これまでにも発作の再起状態のパターンを特定するための研究が行われてきましたが、これらの試みは矛盾した結果をもたらしてきました。このような矛盾した観察から、発作時の状態遷移の動的な変化を再考することになった。

INTRODUCTION: As a dynamical system, the brain constantly modulates its state and epileptic seizures have been hypothesized to be low dimensional periodic states of the brain. With this assumption, seizures have previously been investigated to identify patterns of these recurrent states; however, these attempts have generated conflicting results. These discrepant observations led us to reconsider the dynamic of state transitions during seizures.

方法:

手術前に評価された難治性てんかん患者17名の脳内記録を用いて、発作時の状態の動態を調べるために、いくつかの最新の方法を用いて研究を行った。大域的な状態は、時間領域、周波数領域、位相空間における機能的接続性の指標に基づいて同定された。さらに、脳の異なる領域における状態遷移を、動的システム解析に基づく一変量尺度である再帰プロット(RP)を用いて局所的に調べた。

METHODS: Using intracerebral recordings of 17 refractory epilepsy patients assessed prior to surgery, we studied ictal states with several state-of-the-art methods in order to investigate their dynamics. Global states were identified based on distinct functional connectivity measures in the time domain, frequency domain, and phase-space. We further investigated the state transitions in different brain regions locally using a univariate measure based on dynamical system analysis named the Recurrence Plot (RP).

結果:

また、発作期については、発作前と発作後に比べて全体的な状態遷移率が低いことが明らかになった（無発作群（SF群）ではp<0.05、非発作群（NSF群）ではp>0.05）が、RPの構造から発作発生帯のような一部の領域で状態遷移率が高いことが示唆された（SF群ではp<0.001、NSF群ではp>0.05）。さらに、SF群とNSF群の状態遷移動態を直接比較したところ、SF群とNSF群では局所的な状態遷移のパターンが異なっており（発作発生帯ではp<0.05、その他の領域ではp>0.05）、全体的な状態遷移率には有意な差は見られなかった（p>0.05）。

RESULTS: For the ictal period, we detected lower global state transition rates compared to pre- and post-ictal periods (p < 0.05 for seizure-free (SF) and p > 0.05 for non-seizure-free (NSF) groups post-surgery); however, the structure of RPs pointed towards higher state transition rates in some regions like the seizure-onset-zone (p < 0.001 for SF and p > 0.05 for NSF group). Moreover, a direct comparison of state transition dynamics between SF and NSF patients revealed different patterns for local state transitions between SF and NSF patients (p < 0.05 for seizure-onset-zone while p > 0.05 for other regions) and no significant difference in global state transition rates (p > 0.05).

結論:

この結果は、異なる空間スケールでの状態遷移のダイナミクスが異なることを示唆している。大域的な状態遷移のパターンから、脳は発作時には状態遷移の頻度が低いが、局所的には状態遷移の頻度が高いという結論が導き出された。さらに、SF患者とNSF患者の発作発生帯における状態遷移のパターンが異なることから、手術成績の予測に応用できる可能性があると考えられる。

CONCLUSION: Our findings pointed to distinct dynamics for state transitions at different spatial scales. While the pattern of global state transitions led to the conclusion that the brain changes state less frequently during ictal activity, locally, it experienced a higher rate of state transition. Furthermore, our results for different patterns of state transitions in the seizure-onset-zone between SF and NSF patients could have a practical application in predicting surgical outcome.