Сегодня: 07.04.2025
RU / EN
Последнее обновление: 25.03.2025
Прогнозирование послеоперационных речевых дисфункций в нейрохирургии по данным кортико-кортикальных вызванных потенциалов на основе машинного обучения

Прогнозирование послеоперационных речевых дисфункций в нейрохирургии по данным кортико-кортикальных вызванных потенциалов на основе машинного обучения

Т.А. Ишанкулов, Г.В. Данилов, Д.И. Пицхелаури, О.Ю. Титов, А.А. Огурцова, С.Б. Буклина, Е.В. Гулаев, Т.А. Конакова, А.Е. Быканов
Ключевые слова: кортико-кортикальные вызванные потенциалы; машинное обучение; искусственный интеллект; нейроонкология; глиальные опухоли; функция речи; коннектом.
2022, том 14, номер 1, стр. 25.

Полный текст статьи

html pdf
1145
1351

Интраоперационная регистрация кортико-кортикальных вызванных потенциалов (ККВП) позволяет исследовать эффективные связи между функциональными зонами коры головного мозга. Принципиальная возможность прогноза послеоперационных речевых дисфункций в нейрохирургии по изменениям сигнала ККВП может послужить основанием для разработки критериев физиологической дозволенности удаления внутримозговых опухолей с целью максимального сохранения качества жизни пациентов.

Цель исследования — проверить гипотезу о возможности прогнозирования послеоперационных речевых нарушений у пациентов с глиальными опухолями головного мозга по данным ККВП, зарегистрированных интраоперационно до этапа удаления опухоли.

Материалы и методы. Данные ККВП были зарегистрированы у 26 пациентов. Для прогнозирования усугубления состояния речевых функций в послеоперационном периоде использовали 4 варианта представления данных ККВП до основного этапа операции и несколько моделей машинного обучения: случайный лес деревьев решений, логистическую регрессию, метод опорных векторов с различными вариантами ядер: линейным, радиальным и полиномиальным. Было обучено 20 вариантов моделей: каждая — в 300 экспериментах с ресемплированием. Всего в исследовании выполнено 6000 тестов.

Результаты. Показатели качества прогноза для каждой модели, обученной в 300 тестах с ресемплированием, усреднялись по всем метрикам для исключения влияния «удачного» и «неудачного» разделения данных. Лучший результат по метрике F1-score составил 0,638 у модели, построенной при помощи метода опорных векторов с полиномиальным ядром. В большинстве тестов наблюдался высокий показатель чувствительности, а у лучшей модели он достиг значения 0,993. При этом специфичность лучшего решения составила 0,370.

Заключение. В рамках пилотного исследования продемонстрирована возможность прогнозирования речевой дисфункции по данным ККВП до основного этапа резекции глиальных опухолей с помощью традиционных методов машинного обучения. Лучшая модель при высокой чувствительности оказалась недостаточно специфичной. Дальнейшие исследования будут направлены на оценку динамики ККВП в процессе операции и ее связь с развитием послеоперационного речевого дефицита.


Журнал базах данных

pubmed_logo.jpg

web_of_science.jpg

scopus.jpg

crossref.jpg

ebsco.jpg

embase.jpg

ulrich.jpg

cyberleninka.jpg

e-library.jpg

lan.jpg

ajd.jpg

SCImago Journal & Country Rank