神经外科医生在手术计划中可用到的工具有限，他们无法对重要的大脑网络进行可视化。Quicktome的设计使用了机器学习的方法，能够对重要脑网络生成稳健的可视化表达，可与常规的神经导航系统协同使用，从而最大程度的降低可能会造成的神经功能缺损。这篇论文旨在验证Quicktome能否在脑内手术中帮助医生精准定位重要的脑网络和纤维束。
Quicktome是一种基于人类连接组计划(HCP)开发的软件，作为一种手术工具，可帮助神经外科医生在无框架立体定向系统中可视化重要的功能网络。它打破了传统DTI和fMRI的限制，并使用了静息态数据来确定重要大脑网络的解剖定位，例如中央执行网络(CEN)、默认模式网络(DMN)、突显网络、语言网络、忽视网络和视觉网络等。它的主要优势在于能够基于个体的大脑纤维束成像来展示脑网络，并可整合至现有的无框架立体定向系统中。
02研究方法Methods我们就所有接受使用Quicktome辅助神经导航系统的颅内锁孔手术患者进行报告。通过回顾性地分析病变的位置，并确定处于危险状态的功能网络，包括中央执行网络、默认模式网络、突显网络、皮质脊髓束/感觉运动网络、语言网络、忽视网络和视觉网络。我们报告了患者术后的神经功能预后，并回顾性地确定这些结果是否可以用Quicktome的功能定位技术来解释。
本研究得到了悉尼东南部地方卫生区人类研究伦理委员会(/ETH)的批准，收集了人口统计学信息、每次手术中感知到的神经功能风险以及该功能是否在术后受到影响等。每位患者在手术后至少随访30天，以评估手术结果。
每位患者都接受了脑部MRI静脉注射钆，包括面向神经导航的T1加权序列和静息态MRI。然后在曦嘉基于云的软件中处理DICOM（医学数字成像和通信）图像（大约30分钟），该软件采用基于机器学习的技术对大脑进行划分。通过PACS（图片存档和通信系统）或手动使用数据驱动器将处理后的图像直接上传到导航上。
Quicktome与其他DTI协议不同，使用多种专有算法来构建基于连接的个性化脑图。原始MRI扫描经历了一系列校正噪声的步骤，包括梯度失真校正和对象运动校正。Quicktome自动采用水肿校正来更好地对肿瘤周围区域进行可视化处理。
03结果Results除1例脑膜瘤和1例脑白质病变的患者外，对15例高危患者进行了脑内肿瘤开颅手术（数据参加下图表格）。8例为男性。年龄中位数为49.6岁。8例患者术后出现新的神经功能缺损，而在这些新的缺损中，除了1例患者是由术后中风引起的，其他的神经功能缺损都是预料之中且可通过Quicktome的术前发现来解释。此外，对于那些产生神经功能缺损的患者，Quicktome也对这些患者的预后提供了解释。
15例病例数据04结论ConclusionsQuicktome能够无缝整合至现有的神经导航系统，并帮助可视化复杂的功能连接脑网络和纤维束。新增的对脑部情况的洞察有很大的可能性能够帮助减少神经功能缺陷的产生，并加强对脑内手术后神经系统结果的手术计划和预测。
翻译：MikaylaLiu,IrisLau
编辑：IrisLau
声明：
1.本资料的目的在于传递医疗前沿信息和研究进展，非广告用途，不构成对任何器械/药物的商业推广或对诊疗方案的推荐。
2.本资料中所涉及的信息仅供参考，请遵从医生或其他医疗卫生专业人士的意见或指导。
3.本文提及的部分产品尚未在中国获批。
版权说明：
本文来自曦嘉医疗团队，欢迎个人转发至朋友圈，谢绝媒体或机构未经授权以任何形式转载至其他平台。
转载授权请与contact
xijiabrainmap.