支持向量机在带状疱疹相关性疼痛患者神经调控状态识别中的应用

摘要

目的：脊髓电刺激（spinal cord stimulation,SCS）是治疗难治性带状疱疹相关性疼痛（zoster-associated pain,ZAP）的常用方法。传统开环调控模式主要依赖患者主观反馈进行人工参数调节，而闭环调控模式的SCS临床应用尚不成熟，其优化与完善仍需进一步探索。已有研究发现SCS可影响脑电功能连接特征。本研究旨在探讨基于脑电功能连接特征的支持向量机（support vector machine,SVM）能否有效识别SCS的不同调控状态。方法：回顾性纳入21例行SCS治疗的ZAP患者，记录置入SCS治疗前，出院时，术后1、3、6个月的疼痛视觉模拟评分法（Visual Analogue Scale,VAS）评分。采集SCS开启（SCS-on）和关闭（SCS-off）状态下5～10 min的脑电数据，将脑电数据按7∶3随机划分为训练集和测试集。提取脑电特征导联的皮尔逊相关系数（Pearson correlation coefficient,PCC）及相干性（coherence,COH），构建基于SVM的分类模型。采用准确率、灵敏度、特异度及受试者操作特征曲线下面积（area under the curve,AUC）作为评估指标，验证模型对SCS-on与SCS-off 2种脑电状态的识别效果；采用夏普利加性解释（Shapley additive explanations,SHAP）方法分析各脑电特征对SVM模型预测的贡献度和作用方向。结果：SCS能够有效缓解ZAP患者的疼痛，患者经SCS治疗后，在出院时及术后1、3、6个月的VAS评分均显著低于治疗前，差异均有统计学意义（均P<0.001）。不同核函数SVM识别SCS调控状态的结果显示：径向基核SVM准确率为0.912，灵敏度为0.927，特异度为0.893,AUC为0.972；线性核SVM准确率为0.677，灵敏度为0.714，特异度为0.665,AUC为0.744。SHAP分析结果显示：对模型分类结果贡献最为显著的前20个关键特征均为COH特征；beta频段中O₂-F₈、FP₂-F₇电极对的COH对模型预测的贡献度最高，且二者数值的升高与SCS-on状态呈正相关；而theta频段P₄-P₈电极对的COH则与SCS-off状态密切相关。结论：基于脑电功能连接特征的SVM模型能够识别ZAP患者SCS不同调控状态，提示SCS可能引起脑功能连接特征发生改变，为今后研究基于脑电闭环调控SCS提供了基础。

关键词

脊髓电刺激 / 带状疱疹相关性疼痛 / 脑电图 / 功能连接 / 支持向量机