《Epilepsia》：Spectral entropy variability of intraoperative electrocorticography predicts outcome after epilepsy surgery in people with focal cortical dysplasia
编辑推荐：
本研究首次证实术中皮质脑电图（ioECoG）的频谱熵变异性（SEV）可作为局灶性皮质发育不良（FCD）癫痫手术预后的实时生物标志物。通过机器学习模型（AUC=0.84）发现，切除组织在80-500Hz频段呈现高SEV特征；术后残留皮质在250-500Hz频段的高SEV与不良Engel结局显著相关（p<0.01），为术中精准切除和预后评估提供了新范式。
研究背景与意义
局灶性皮质发育不良（Focal Cortical Dysplasia, FCD）是药物难治性癫痫常见病因，手术完全切除致痫灶是根治关键。然而传统术中皮质脑电图（intraoperative electrocorticography, ioECoG）依赖视觉判读棘波，预后预测精度有限。频谱熵（Spectral Entropy）作为量化脑电信号功率分布无序度的指标，具有实时计算优势，其变异性（Spectral Entropy Variability, SEV）可能反映致痫皮层神经元同步-异步放电的动态平衡。本研究首次系统评估SEV在FCD患者ioECoG中对癫痫组织的鉴别价值及其与手术预后的关联。
研究方法设计
研究纳入37例FCD病理确诊患者（年龄0-61岁，其中21例≤16岁），采集切除前/后ioECoG数据（总计2270个术前通道、1278个术后通道）。通过手术照片精准标注通道对应切除区（含5mm边缘）与非切除区。计算8个频段（1-500Hz宽带、δ/θ/α/β/γ/ripple/fast ripple）2秒时长的频谱熵，提取各通道均值（mean spectral entropy）和标准差（SEV）。采用随机森林机器学习模型区分切除/非切除组织，并通过可解释人工智能（SHAP）筛选关键特征。术后SEV指标与Engel分级（IA+至IV）进行趋势分析（Jonckheere-Terpstra检验）。
癫痫组织鉴别效能
随机森林模型显示优异判别力（验证集AUC=0.84，95%CI=0.74-0.95）。SHAP分析揭示切除组织特征为：ripple频段（80-250Hz）低平均熵、γ频段（20-80Hz）与ripple频段高SEV。典型案例如Engel IA+患者，切除区内可见ripple频段熵值降低伴SEV升高，而Engel IV患者残留皮层广泛存在熵值异常，提示未完全切除的致痫网络。
预后预测关联性
术后SEV与预后呈显著剂量效应关系：fast ripple频段（250-500Hz）高平均SEV（p=0.004）和高空间变异性（p=0.001）与不良结局最强相关，其趋势跨越Engel分级逐级递增。θ频段（4-8Hz）SEV均值、δ/β/ripple频段SEV空间变异性亦显示显著关联（未校正p<0.05），提示慢波频段异常可能反映残留网络的广泛功能障碍。
临床转化潜力
SEV计算仅需1-3分钟，支持实时手术决策。其机制可能反映致痫区神经元群在同步化高频振荡（如ripple）与异步化微电路放电（如fast ripple）间的快速切换。相较于传统视觉ioECoG分析，SEV提供了客观、量化的生物标志物，尤其对MRI阴性FCD的边界界定具有补充价值。
局限与展望
研究局限性包括不良预后样本量较小（Engel III-IV仅5例），且未控制切除范围等手术变量。未来需开发实时计算算法，并在其他癫痫病理类型中验证SEV普适性。通过将预后预测从二分类细化至Engel分级连续谱，本研究为个体化术后咨询提供了新维度。
