焦点てんかんにおけるMP2rage vs mprage表面ベースの形態計測

薬物耐性局所てんかんでは、MRIを使用したてんかん性病変を検出することは、重要な診断課題をもたらします。ここでは、FreeSurferに基づいた表面ベースの形態計測パイプラインを使用しててんかん原性病変の検出に、超高磁場MRIで一般的に利用される自己バイアス修正特性を使用して、MP2RAGE-A T1強調配列の有用性を評価しました。両方とも3TでT1W MPRAGEを使用した一般的なアプローチ。局所てんかんの32人の患者（5 MRI陽性、27のMRI陰性を伴う27のMRI陰性患者）のデータと、2つのてんかんセンターの94人の健康なコントロールを含めました。表面ベースの形態学的測定と強度を抽出し、単変量GLM分析と、多変量のない「斬新な検出」機械学習手順で抽出および評価されました。得られた予測マップは、事前定義された病変ラベルまたはてんかんゾーンの位置の仮説との一致に関して、代替の自由応答受信機の動作特性（AFROC）方法論を使用して、可能なしきい値の範囲で分析されました。MP2rageは少なくともMPRAGEに匹敵することを実行し、特にMP2rage画像強度の分析が追加の診断情報を提供する可能性があることがわかりました。第二に、監視されていない斬新な検出機械学習アプローチが、利用可能な病変トレーニングセットが限られている場合、てんかん生殖病変の検出に役立つ可能性があることを実証します。第三に、我々は、帰無仮説としてのランダム推測プロセスのシミュレーションに基づいて、てんかんゾーンのLOBAR仮説を持つMRI陰性患者の病変局在性能を評価する統計的方法を提案します。私たちの調査結果に基づいて、超高磁場MRI（≥7T）で同様の表面ベースの形態計測アプローチを研究する価値があるようです。

In drug-resistant focal epilepsy, detecting epileptogenic lesions using MRI poses a critical diagnostic challenge. Here, we assessed the utility of MP2RAGE-a T1-weighted sequence with self-bias correcting properties commonly utilized in ultra-high field MRI-for the detection of epileptogenic lesions using a surface-based morphometry pipeline based on FreeSurfer, and compared it to the common approach using T1w MPRAGE, both at 3T. We included data from 32 patients with focal epilepsy (5 MRI-positive, 27 MRI-negative with lobar seizure onset hypotheses) and 94 healthy controls from two epilepsy centres. Surface-based morphological measures and intensities were extracted and evaluated in univariate GLM analyses as well as multivariate unsupervised 'novelty detection' machine learning procedures. The resulting prediction maps were analyzed over a range of possible thresholds using alternative free-response receiver operating characteristic (AFROC) methodology with respect to the concordance with predefined lesion labels or hypotheses on epileptogenic zone location. We found that MP2RAGE performs at least comparable to MPRAGE and that especially analysis of MP2RAGE image intensities may provide additional diagnostic information. Secondly, we demonstrate that unsupervised novelty-detection machine learning approaches may be useful for the detection of epileptogenic lesions (maximum AFROC AUC 0.58) when there is only a limited lesional training set available. Third, we propose a statistical method of assessing lesion localization performance in MRI-negative patients with lobar hypotheses of the epileptogenic zone based on simulation of a random guessing process as null hypothesis. Based on our findings, it appears worthwhile to study similar surface-based morphometry approaches in ultra-high field MRI (≥ 7 T).