外科医生能否在切除脑瘤时量化失语症的风险?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。在目前对 60 名患者进行的研究中，他们已经达到了 73% 的准确率。
脑肿瘤相对罕见。根据德国神经病学学会的数据，年发病率约为每 100,000 名居民 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，他估计神经胶质瘤——一种常见的脑肿瘤——在慕尼黑工业大学 (TUM) 的 Klinikum rechts der Isar 被切除“几乎每天。”
根据肿瘤的不同，Krieg 和他的同事制定了个体化治疗和手术策略。一个关键点：健康组织应该被最大程度地保留，并且不应损坏可能导致进一步限制的结构。例如，“失语症”是指手术后言语障碍的术语。“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师研究术前脑图谱已有 10 多年。“很长一段时间以来，我们都知道大脑中负责运动或语言等功能的基本位置。但只是在过去五年左右的时间里，我们才开始分析大脑网络以了解各个区域的工作方式在一起，例如使一个人能够说话。有一件事很清楚：没有这样的语言中心。相反，该结构更像是一个大网络的几个枢纽或节点，通过它可以进行语音。”
脑肿瘤：通过机器学习进行预测
分析大脑的网络特征——称为连接组分析——Krieg 教授的团队使用了大约两年的过程——在当前的研究中起着关键作用。“通过这种方式，我们可以量化各个大脑区域的连接，”克里格教授说。“我们已经开始为大脑区域分配更精确的功能。”
TUM 科学家张浩苏博士和 Sebastian Ille 博士对负责语言能力的大脑层进行了解剖学映射。过程如下：“通过一种称为纤维束成像的特殊形式的磁共振断层扫描，我们可以生成大脑神经通路网络和子网络的 3D 表示，”张解释说。
这种网络分析得到了导航经颅磁刺激过程的支持，在该过程中，有针对性的磁脉冲会抑制负责语音的纤维通路中的神经细胞。这会导致患者出现暂时性语言障碍，可以在视频分析中识别出来。它使研究人员能够精确识别负责语音的大脑区域。“我们将纤维束成像中所谓的连接组参数与患者言语功能的信息结合起来，”张解释说。
Zhang 和 Ille 的算法的特别之处在于它产生了“具有统计意义的参数”——可用于训练机器学习模型的数据，从而对个体患者的语言进行定位。尽管使用不同的分析方法可能看起来很复杂，但该方法的决定性特征是它的简单性：整个分析过程无需复杂的算法或强大的计算机即可运行。“我们使用的数据来自常规医院测试，”张说。
网络分析：预测语言障碍的准确率为 73%
在最近对 60 名患者进行的研究中，Klinikum rechts der Isar 的研究人员表明，这种综合分析可以相当准确地 (73%) 预测手术是否会导致言语困难(术后失语)。“能够做出这些预测非常重要，”克里格说。他对能够通过“真实网络分析”更精确地量化风险并拥有具体数据来支持大脑映射的可能性感到兴奋。
此外，在机器学习的帮助下，随着时间的推移，预测会变得更好。但为此目的，研究人员将需要更多患者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，”Krieg 教授说，他现在计划寻找更多患者参与他的研究。他认为即使是“几百”名患者也足以进行高度精确的预测。
该研究发表在《人类大脑图谱》上。
标签：