预测脑部手术的风险

外科医生在切除脑肿瘤时能否量化失语症的风险?为了找到答案，慕尼黑工业大学(TUM) Klinikum rechts der Isar的研究人员正在将大脑作为一个网络进行分析。在目前一项涉及60名患者的研究中，他们已经达到了73%的准确率。

脑瘤相对罕见。根据德国神经病学学会的数据，每年的发病率约为每10万居民5例。“但在大多数情况下，手术切除肿瘤是不可避免的，”Sandro Krieg教授说，他估计在慕尼黑工业大学的Klinikum rechts der Isar切除神经胶质瘤(一种常见的脑肿瘤)。“几乎每天都有。”

根据肿瘤的不同，克里格和他的同事们制定了单独的治疗和手术策略。关键的一点是:健康的组织应该在最大程度上得到保存，任何结构都不应该受到损害，从而导致进一步的限制。例如，“失语症”是指手术后的语言障碍。“我们希望在手术前准确了解失语症的风险。”

Klinikum rechts der Isar神经外科诊所的主任医生已经研究了10多年的术前脑图。“长期以来，我们已经知道大脑中负责运动或语言等功能的基本位置。但这只是在过去的五年左右，我们已经开始分析脑网络学习不同的大脑区域是如何共同工作的，例如让一个人开口说话。有一点是明确的:语言中心本身并不存在。相反，这种结构更像是一个大网络的几个枢纽或节点，通过它们，说话成为可能。”

脑瘤:通过机器学习进行预测

分析大脑的网络特征(即连接组分析)在当前的研究中发挥着关键作用。克里格教授的团队用了大约两年的时间来分析这个过程。克里格教授说:“通过这种方式，我们量化了大脑各个区域的联系。”“从那以后，我们开始为大脑区域分配更精确的功能。”

TUM的科学家张昊苏博士和塞巴斯蒂安·伊勒博士解剖绘制了负责语言能力的大脑层的图像。过程如下:“通过一种特殊形式的磁共振断层扫描，即束成像，我们生成了大脑神经通路网络和子网络的3D表示，”张说。

这网络分析是否支持导航的过程经颅磁刺激其中，有针对性的磁脉冲抑制负责语言的纤维通路中的神经细胞。这会导致患者出现暂时的语言障碍，在视频分析中可以识别出来。它使研究人员能够精确地识别大脑中负责语言的区域。“我们将所谓的连接组参数与患者语言功能的信息结合起来，”张说。

Zhang和Ille的算法的特别之处在于它产生了“统计上显著的参数”，这些数据可用于训练机器学习模型，从而定位单个患者的语音。尽管不同分析方法的使用看起来很复杂，但这种方法的主要特点是它的简单性:整个分析过程不需要复杂的算法或强大的计算机。“我们使用的数据来自医院的常规检查，”张说。

网络分析:预测言语障碍的准确率为73%

在最近对60名患者的研究中，Klinikum rechts der Isar的研究人员表明，这种联合分析可以相当准确地预测手术是否会导致癌症(73%)演讲困难(术后失语)。“能够做出这些预测是非常重要的，”克里格说。他对通过“真实网络分析”更精确地量化风险的可能性感到兴奋，并拥有具体数据来支持对风险的映射大脑．

此外，在机器学习的帮助下，随着时间的推移，预测将变得更加准确。但是为了这个目的，研究人员需要更多的病人数据来训练机器学习算法。“这是唯一可以使用大数据来预测手术干预风险的方法，”克里格教授说，他现在计划寻找更多的患者参与他的研究。他认为，即使“几百名”患者也足以进行高度精确的预测。

这项研究发表在人脑图谱．