基于数字孪生脑模型的意识障碍患者预后预测

《Journal of NeuroEngineering and Rehabilitation》：Prognosis prediction of patients with disorders of consciousness based on digital twin brain models

数字双胞胎脑模型联合支持向量机可优化意识障碍预后预测，其基于模型参数与模态可控性特征表现优于传统EEG特征。前额顶叶网络抑制性增益降低、兴奋性增益升高及模态可控性增强与预后改善显著相关，预测CRS-R评分误差小于5分占74%-70%。

　　

摘要

背景

在临床实践中，准确预测意识障碍（DOC）患者的预后是一个重大挑战。一些基于传统脑电图（EEG）特征的研究显示了其在DOC预后评估中的潜力。然而，关于DOC患者康复的潜在机制仍缺乏深入研究。

方法

在这项研究中，我们使用数学工具为具有不同预后的DOC患者构建了数字孪生脑模型（DTBM）。然后，我们利用模型参数和模态可控性特征训练了一个支持向量机分类器，以区分不同预后的DOC患者，并评估了这些特征的重要性。最后，我们使用支持向量机回归器来预测6个月随访时的昏迷恢复量表修订版（CRS-R）评分。

结果

结果表明，基于局部模型参数和模态可控性特征的预后模型的性能优于基于某些传统EEG特征的预后模型（AUC = 90.22%，F分数 = 86.00%，SEN = 84.31%，SPE = 91.43%）。此外，良好的预后与较低的抑制性增益、较高的兴奋性增益以及较高的模态可控性相关，尤其是在额顶叶网络中的脑区。在UWS（轻度意识障碍）和MCS（中度意识障碍）患者中，预测的CRS-R评分与实际CRS-R评分之间的平均绝对误差（MAE）分别有74%和70%小于5。

结论

总体而言，我们的研究有助于丰富与DOC预后相关的神经标志物，并进一步阐明意识恢复的神经机制。