Rôle des micro-états EEG dans la prédiction de l’efficacité du traitement par oxcarbazépine chez les patients nouvellement diagnostiqués avec une épilepsie focale

Introduction

Contexte

L’épilepsie focale est le type d’épilepsie le plus courant, représentant environ 60% de tous les cas d’épilepsie. Le choix des médicaments antiépileptiques varie en fonction des différents types d’épilepsie. Dans le traitement de l’épilepsie focale, l’oxcarbazépine (OXC) est largement utilisée. Cependant, l’oxcarbazépine permet à environ 65% des patients de ne plus avoir de crises, mais une partie significative des patients ne bénéficie toujours pas d’un bon effet thérapeutique. Les techniques de surveillance électrophysiologique, telles que l’électroencéphalographie (EEG), jouent un rôle important dans le diagnostic et la gestion de l’épilepsie.

Objectif de la recherche

Les micro-états sont des modèles EEG reflétant les caractéristiques spatio-temporelles de l’activité électrique cérébrale. Des études précédentes ont montré que les médicaments antiépileptiques peuvent influencer les signaux EEG du cerveau, mais les recherches sur l’oxcarbazépine restent limitées. En outre, des études ont montré que les états transitoires peuvent devenir des biomarqueurs puissants pour l’épilepsie. Par conséquent, cette étude vise à explorer les micro-états EEG chez les patients nouvellement diagnostiqués avec une épilepsie focale avant le traitement par oxcarbazépine et à utiliser les caractéristiques des micro-états extraites pour prédire l’efficacité du traitement par oxcarbazépine.

Équipe de recherche et informations sur la publication

Cette recherche a été réalisée conjointement par Rong Rong, Zhang Runkai, Xu Yun, Wang Xiaoyun, Wang Haixia et Wang Xiaoshan. Rong Rong et Xu Yun viennent de l’hôpital Gulou de Nanjing, Zhang Runkai et Wang Haixia de l’université du Sud-Est, et Wang Xiaoshan de l’hôpital de neurologie de Nanjing. Cet article a été publié le 23 mai 2024 dans le « Seizure: European Journal of Epilepsy ».

Méthodes de recherche

Participants et collecte des données

Les participants à l’étude comprennent 25 patients nouvellement diagnostiqués avec une épilepsie focale (13 femmes), âgés de 12 à 68 ans. Les participants sont divisés en groupe sans crise (SF) et groupe avec crise (NSF) selon les résultats du premier suivi. Tous les patients ont subi un enregistrement EEG prolongé avant de commencer le traitement par oxcarbazépine en monothérapie. Les critères d’inclusion comprennent: les patients n’ayant pas utilisé de médicaments antiépileptiques lors du diagnostic initial, un traitement par oxcarbazépine seule pendant au moins six mois, et des dossiers de suivi disponibles.

Processus de recherche

1. Prétraitement des données :

   • Tous les patients ont subi un enregistrement EEG à 19 canaux (taux d’échantillonnage de 256 Hz ou 512 Hz) avant le début du traitement par oxcarbazépine.
   • Le logiciel MNE-Python a été utilisé pour le prétraitement, y compris le filtrage, la ré-référence, la suppression des artefacts, etc.

2. Analyse des micro-états :

   • À l’aide de la méthode de clustering par k-moyennes modifiée, les topographies de potentiel de surface autour des pics de champ global calculés à partir de l’EEG ont été regroupées en quatre micro-états représentatifs.
   • Les paramètres spatio-temporels de chaque micro-état ont été extraits, y compris la durée, la couverture, la fréquence d’apparition et la probabilité de transition, entre autres.

3. Prédiction par apprentissage machine :

   • Les caractéristiques des micro-états extraites ont été utilisées pour construire des modèles d’apprentissage machine, y compris la régression logistique (LR), le naïf Bayes (NB) et le support vector machine (SVM).
   • La méthode de validation croisée à quatre plis a été utilisée pour évaluer la performance des modèles, avec l’algorithme ADASY pour augmenter les données et équilibrer l’ensemble de données.

Analyse des données

• Les tests t et le test de Wilcoxon ont été utilisés pour comparer les paramètres des micro-états entre les différents groupes.
• Le test exact de Fisher a été utilisé pour évaluer la relation entre les variables binaires, telles que l’existence de l’épilepsie temporale (TLE) et le pronostic.
• Les courbes ROC (caractéristiques de fonctionnement du récepteur) et la surface sous la courbe (AUC) ont été utilisées pour évaluer la performance prédictive des modèles d’apprentissage machine.

Résultats expérimentaux

Résultats principaux

1. Par rapport au groupe SF, le micro-état 1 (MS1) du groupe NSF présentait une durée, une fréquence d’apparition et une couverture significativement plus élevées.
2. La variance et la corrélation temporelle de l’explication globale de MS2 étaient significativement plus élevées dans le groupe NSF que dans le groupe SF.
3. Le groupe SF montrait une probabilité de transition plus élevée de MS2 à MS4, tandis que le groupe NSF présentait une probabilité de transition plus élevée de MS2 et MS3 vers MS1.

Résultats prédictifs

En utilisant les caractéristiques des micro-états pour la prédiction : - Le modèle LR atteignait une AUC moyenne de 0,95 sur l’ensemble de caractéristiques I. - Le modèle SVM atteignait une AUC moyenne de 0,84 sur l’ensemble de caractéristiques III. - Le modèle NB atteignait une AUC moyenne de 0,70 sur l’ensemble de caractéristiques III.

Discussion

Cette étude est la première à utiliser l’analyse des micro-états EEG pour examiner l’activité cérébrale chez les patients nouvellement diagnostiqués avec une épilepsie focale avant le traitement par oxcarbazépine et à démontrer que les caractéristiques des micro-états peuvent significativement prédire l’efficacité du traitement. Les résultats montrent que le niveau élevé d’activité de MS1 dans le groupe NSF peut servir de marqueur prédictif pour un effet thérapeutique faible, tandis que les caractéristiques de MS2 et MS4 montrent également une valeur prédictive importante.

Importance pour l’application clinique

L’analyse des micro-états EEG peut être utilisée comme outil pour prédire l’efficacité du traitement par oxcarbazépine, aidant les médecins à choisir les plans de traitement les plus appropriés, améliorant les résultats du traitement, et réduisant les coûts et le fardeau psychologique inutiles du traitement. L’avantage de cette méthode réside dans sa capacité à capturer les caractéristiques spatio-temporelles de l’activité cérébrale, fournissant des informations neurophysiologiques importantes.

Conclusion

Cette étude démontre le potentiel des micro-états EEG pour prédire l’efficacité du traitement par oxcarbazépine chez les patients nouvellement diagnostiqués avec une épilepsie focale. En extrayant les caractéristiques des micro-états et en utilisant des modèles d’apprentissage machine, l’équipe de recherche a réussi à prédire avec une grande précision les résultats du traitement. Bien que la quantité de données soit limitée, les résultats soulignent l’importance des micro-états EEG en tant que biomarqueurs pour le traitement des médicaments antiépileptiques et fournissent une base pour les recherches futures en apprentissage machine.

Signification de la recherche et directions futures

• Inclure de petits échantillons dans des études à plus grande échelle ou des validations externes pour confirmer les résultats de la recherche.
• Explorer l’EEG haute densité ou d’autres techniques telles que la magnétoencéphalographie pour fournir de nouvelles perspectives sur les micro-états.
• Combiner plus de caractéristiques bioélectriques et d’imagerie pour améliorer la robustesse et la capacité prédictive des modèles d’apprentissage machine.