Topographic–prognostic gradients of cortical hypometabolism in temporal lobe epilepsy
⭐ 8.5/10medRxiv. 2026.
Jiajie Mo, Fatemeh Fadaie, Boris C. Bernhardt, et al.
分流：A_核心主线来源：nature-literature-pipeline
💡 一句话
多中心 358 例颞叶癫痫患者，用规范不对称建模刻画新皮质低代谢的空间梯度，提出三种梯度驱动的手术指标并关联术后无发作结局，为个性化切除范围提供依据。
📖 背景
前颞叶切除术是药物难治性颞叶癫痫的标准术式，但长期无发作率仍不理想；神经影像显示异常超出内侧颞叶核心，但新皮质低代谢如何指导切除范围尚不清楚。
🔬 方法
多中心研究（发现 + 验证 + 敏感性队列共 358 例），处理多模态 MRI 与 FDG-PET 得到逐顶点结构/强度/代谢特征，用规范不对称建模量化个体代谢异常；刻画新皮质低代谢地形及其与细胞构筑、多模态 MRI 和海马指标的对应，评估三个梯度驱动手术指标与发作结局的关系，并在独立前瞻性队列复制。
📊 关键结果
· 新皮质低代谢遵循可量化的空间梯度，可转化为个体化手术策略 · 梯度驱动的手术指标与术后发作结局相关，并在独立队列复现 · 敏感性分析纳入保留颞叶新皮质的术式以评估泛化性
🎯 意义与展望
把「影像低代谢梯度」转化为可量化的个性化手术规划，直接面向临床手术决策。局限在于为观察性研究、需前瞻性手术试验最终验证；Bernhardt/Bernasconi 团队为脑影像-癫痫顶级团队，数据与方法可信度高。
🧭 点评
A 类，可精读。虽是「影像/临床相关」而非纯 AI，但规范不对称建模 + 梯度映射 + 多中心复现的范式，是你「脑影像 × 癫痫」主线的优质背景与方法参照；可与图学习/网络方法结合做后续。