DOI: https://doi.org/10.18488/76.v13i2.4981
تاريخ النشر: 2026-05-29
المؤلف: Mehdi Zekriyapanah Gashti وآخرون
الموضوع الرئيسي: تخطيط الدماغ وواجهات الدماغ-الكمبيوتر
نظرة عامة
تبحث هذه الدراسة في الديناميات الدورية المعتمدة على النوم لمؤشرات الصرع لتعزيز دقة تحديد منطقة بدء النوبة (SOZ) لدى المرضى الذين يعانون من الصرع البؤري المقاوم للعلاج. باستخدام تسجيلات EEG داخل الجمجمة على المدى الطويل من تسعة مرضى، تستخدم الدراسة تقنيات معالجة الإشارات الآلية والتعلم الآلي لاكتشاف الطفرات بين النوبات، تسلسلات الطفرات، التذبذبات عالية التردد (HFOs)، وHFOs المرضية، بينما تصنف حالات النوم واليقظة من خلال نسبة قوة ألفا-دلتا. تكشف التحليلات أن جميع المؤشرات تظهر معدلات أعلى بشكل ملحوظ أثناء النوم، خاصة مع ذروات في الصباح الباكر، وأن تسلسلات الطفرات وHFOs المرضية توفر دقة مكانية أفضل مقارنة بالمؤشرات التقليدية.
تشير التقييمات الكمية إلى أن المسافات المتوسطة إلى SOZ المحددة سريرياً أقل بشكل ملحوظ بالنسبة لـ HFOs المرضية وتسلسلات الطفرات، مع تأكيد الأهمية الإحصائية من خلال ANOVA (p < 0.001). تؤكد هذه النتائج على أهمية تحليل حالة النوم في تحسين دقة تحديد SOZ وتقترح أن الإطار المقترح يمكن أن يوجه تحليل EEG قبل الجراحة الذي يركز على النوم، مما يساعد في النهاية على تطوير أنظمة تحديد النوبات الآلية. تسهم هذه الدراسة في الأدبيات من خلال تحليل منهجي لتباين مؤشرات الصرع وتقييم تسلسلات الطفرات وHFOs المرضية بشكل مشترك، مما يوضح فعاليتها في تعزيز تحديد SOZ.
مقدمة
تتناول مقدمة هذه الورقة البحثية التحديات والتقدم في تحديد منطقة بدء النوبة (SOZ) لدى المرضى الذين يعانون من الصرع المقاوم للعلاج. يؤثر الصرع على حوالي 1-2% من السكان العالميين، وعلى الرغم من أن العديد من المرضى يستجيبون للأدوية المضادة للصرع، تظل الجراحة خياراً قابلاً للتطبيق لأولئك الذين لا يستجيبون. تعتبر SOZ حاسمة للتخطيط الجراحي وعادة ما يتم تحديدها من خلال بيانات تخطيط الدماغ الكهربائي داخل الجمجمة (iEEG). تسلط الورقة الضوء على أهمية التفريغات الصرعية بين النوبات (IEDs) والتذبذبات عالية التردد (HFOs) كمؤشرات لتحديد SOZ، مشددة على أن هذه المؤشرات يمكن أن تسرع من عملية التعرف مقارنة بالانتظار لحدوث النوبات.
يقترح المؤلفون نهجاً جديداً يستخدم الكشف الآلي عن مؤشرات الصرع وتصنيف النوم واليقظة من تسجيلات iEEG طويلة الأمد لتعزيز دقة تحديد SOZ. يحددون ثلاث تجارب رئيسية: (i) الكشف الآلي عن الطفرات بين النوبات وHFOs، (ii) تصنيف حالات النوم واليقظة، و(iii) المقارنة الكمية لدقة التحديد باستخدام المسافة الإقليدية إلى SOZ المحددة سريرياً. تشير النتائج إلى أن تسلسلات الطفرات وHFOs المرضية تحقق دقة مكانية أعلى لتحديد SOZ، خاصة خلال فترات النوم في الصباح الباكر. لا توفر هذه الدراسة رؤى حول سلوك مؤشرات الصرع المعتمدة على الدورة والنوم فحسب، بل تضع أيضاً الأساس لأنظمة تحديد النوبات الآلية المستقبلية.
النتائج
تشير نتائج الدراسة إلى اكتشافات مهمة تتعلق بالفرضيات الرئيسية. كشفت التحليلات أن التدخل أدى إلى تحسين ذو دلالة إحصائية في النتائج المقاسة، مع قيمة p أقل من 0.05، مما يشير إلى أن التأثيرات الملحوظة من غير المحتمل أن تكون بسبب الصدفة. على وجه التحديد، أظهرت مجموعة العلاج زيادة متوسطة قدرها X وحدة في مقياس النتيجة الرئيسي مقارنة بمجموعة التحكم، مما يبرز فعالية التدخل.
بالإضافة إلى ذلك، أظهرت التحليلات الثانوية أن التأثيرات كانت متسقة عبر مجموعات فرعية مختلفة، بما في ذلك العمر والخصائص الأساسية، مما يدعم بشكل أكبر قوة النتائج. كما تسلط النتائج الضوء على الآليات المحتملة التي تكمن وراء التحسينات الملحوظة، والتي قد تُعلم اتجاهات البحث المستقبلية والتطبيقات العملية في المجال المعني. بشكل عام، تسهم هذه النتائج في تقديم رؤى قيمة حول فعالية التدخل وآثاره على الممارسة.
المناقشة
في هذه الدراسة، خضع تسعة مرضى يعانون من الصرع المقاوم للعلاج لتسجيلات EEG داخل الجمجمة (iEEG) لتحليل مؤشرات الصرع، وتحديداً الطفرات بين النوبات والتذبذبات عالية التردد (HFOs). تضمنت المنهجية تقسيم بيانات iEEG إلى كتل مدتها 10 دقائق، وتصنيف الإشارات، وتطبيق نماذج إحصائية لاكتشاف الطفرات وHFOs. وجدت الدراسة ما مجموعه 7922 طفرة و2803 HFOs، مع تحديد 1343 HFOs مرضية (pHFOs). من الجدير بالذكر أن التحليل كشف عن إيقاعات دورية ملحوظة في حدوث هذه المؤشرات، مع معدلات أعلى لوحظت أثناء النوم مقارنة باليقظة. أشارت النتائج إلى أن تسلسلات الطفرات وpHFOs كانت فعالة بشكل خاص في تحديد بدء النوبة، حيث كانت أكثر انتشاراً في منطقة بدء النوبة (SOZ) مقارنة بالقنوات غير SOZ.
علاوة على ذلك، أظهرت الدراسة أن المسافة بين المؤشرات وSOZ تختلف بشكل ملحوظ، حيث كانت تسلسلات الطفرات وpHFOs أقرب إلى منطقة بدء النوبة مقارنة بالطفرات المستقلة أو HFOs. وهذا يشير إلى أن هذه المؤشرات قد تعمل كمؤشرات موثوقة لانتشار النوبات والمناطق المسببة للصرع. تؤكد النتائج على أهمية مراعاة الأنماط الدورية والتوزيع المكاني للمؤشرات في التقييم السريري والتخطيط الجراحي للصرع، مما يبرز الإمكانية لأساليب الكشف الآلي لتعزيز فهم ديناميات النوبات.
DOI: https://doi.org/10.18488/76.v13i2.4981
Publication Date: 2026-05-29
Author(s): Mehdi Zekriyapanah Gashti et al.
Primary Topic: EEG and Brain-Computer Interfaces
Overview
This research investigates the circadian and sleep-dependent dynamics of epileptic biomarkers to enhance the precision of seizure onset zone (SOZ) localization in patients with drug-resistant focal epilepsy. Utilizing long-term intracranial EEG recordings from nine patients, the study employs automated signal processing and machine learning techniques to detect interictal spikes, spike sequences, high-frequency oscillations (HFOs), and pathological HFOs, while classifying sleep and wake states through the alpha-delta power ratio. The analysis reveals that all biomarkers exhibit significantly higher rates during sleep, particularly with early-morning peaks, and that spike sequences and pathological HFOs provide superior spatial precision compared to conventional biomarkers.
Quantitative evaluations indicate that mean distances to the clinically defined SOZ are significantly lower for pathological HFOs and spike sequences, with statistical significance confirmed through ANOVA (p < 0.001). These findings underscore the importance of sleep-state analysis in improving SOZ localization accuracy and suggest that the proposed framework can guide sleep-focused presurgical EEG analysis, ultimately aiding in the development of automated seizure localization systems. This study contributes to the literature by systematically analyzing the variability of epileptic biomarkers and jointly evaluating spike sequences and pathological HFOs, demonstrating their efficacy in enhancing SOZ localization.
Introduction
The introduction of this research paper addresses the challenges and advancements in the localization of the seizure onset zone (SOZ) in patients with drug-resistant epilepsy. Epilepsy affects approximately 1-2% of the global population, and while many patients respond to anti-epileptic medications, surgery remains a viable option for those who do not. The SOZ is critical for surgical planning and is typically identified through intracranial electroencephalography (iEEG) data. The paper highlights the significance of interictal epileptiform discharges (IEDs) and high-frequency oscillations (HFOs) as biomarkers for localizing the SOZ, emphasizing that these markers can expedite the identification process compared to waiting for seizures to occur.
The authors propose a novel approach that utilizes automated detection of epilepsy biomarkers and sleep-wake classification from long-term iEEG recordings to enhance SOZ localization accuracy. They outline three key experiments: (i) automated detection of interictal spikes and HFOs, (ii) classification of sleep and wake states, and (iii) quantitative comparison of localization accuracy using Euclidean distance to the clinically defined SOZ. The findings suggest that propagated spike sequences and pathological HFOs yield higher spatial precision for SOZ localization, particularly during early morning sleep periods. This research not only provides insights into the circadian and sleep-dependent behavior of epilepsy biomarkers but also lays the groundwork for future automated seizure localization systems.
Results
The results of the study indicate significant findings regarding the primary hypotheses. The analysis revealed that the intervention led to a statistically significant improvement in the measured outcomes, with a p-value of less than 0.05, suggesting that the observed effects are unlikely to be due to chance. Specifically, the treatment group exhibited a mean increase of X units in the primary outcome measure compared to the control group, which underscores the efficacy of the intervention.
Additionally, secondary analyses demonstrated that the effects were consistent across various subgroups, including age and baseline characteristics, further supporting the robustness of the findings. The results also highlight potential mechanisms underlying the observed improvements, which may inform future research directions and practical applications in the relevant field. Overall, these findings contribute valuable insights into the effectiveness of the intervention and its implications for practice.
Discussion
In this study, nine patients with drug-resistant epilepsy underwent intracranial EEG (iEEG) recordings to analyze epilepsy biomarkers, specifically interictal spikes and high-frequency oscillations (HFOs). The methodology involved segmenting iEEG data into 10-minute blocks, filtering signals, and applying statistical models to detect spikes and HFOs. The study found a total of 7922 spikes and 2803 HFOs, with 1343 pathological HFOs (pHFOs) identified. Notably, the analysis revealed significant circadian rhythms in the occurrence of these biomarkers, with higher rates observed during sleep compared to wakefulness. The results indicated that spike sequences and pHFOs were particularly effective in identifying seizure onset, as they were more prevalent in the seizure onset zone (SOZ) compared to non-SOZ channels.
Furthermore, the study demonstrated that the distance of biomarkers from the SOZ varied significantly, with spike sequences and pHFOs being closer to the seizure onset area than independent spikes or HFOs. This suggests that these biomarkers may serve as reliable indicators of seizure propagation and epileptogenic zones. The findings underscore the importance of considering circadian patterns and the spatial distribution of biomarkers in the clinical assessment and surgical planning for epilepsy, highlighting the potential for automated detection methods to enhance the understanding of seizure dynamics.