Background: Neuronavigated repetitive transcranial stimulation (rTMS) permits the transient disruption of local neuronal functions in a non-invasive manner. As patients exhibit significant heterogeneity with respect to tumor-associated language network changes and rTMS functional mapping results, the utilization of machine learning approaches may represent an effective means of classifying rTMS language mapping patterns in a reliable manner. Method: Presurgical neuronavigated rTMS language mapping was performed in 90 right-handedness patients with left perisylvian WHO grade II-IV gliomas. The Berlin Aphasia Score (BAS) adapted from the Aachen Aphasia Test (AAT) was employed to assess aphasia severity. Following spatial normalization to standardized Montreal Neurological Institute (MNI) space of all rTMS spots, the error rate (ER) of language mapping in each of 28 stimulated cortical regions of interest (ROIs) by the use of automated anatomical labeling parcellation (AAL3) and Illinois Institute of Technology (IIT). Significant aphasia-associated regions were classified using a support vector machine (SVM). Results: Of 90 patients in the present study cohort, symptoms of aphasia were present in 29 (32.2%). After feeding the demographic data and ERs of each ROI into an SVM model, the features found to contribute most significantly to the overall model included age (w = 2.98), as well as the ERs of the left inferior parietal gyrus (w = 2.28), left supramarginal gyrus (w = 3.64), and right pars triangularis (w = 1.34). Overall model sensitivity, specificity, and accuracy values were 86.2%, 82.0%, and 85.5%, respectively, with an AUC value of 89.3%. Conclusions: Our data show enhanced vulnerability in the left posterior perisylvian areas, such as the supramarginal gyrus or the inferior parietal gyrus, confirming the language relevance of the classic and extended Wernicke's area. Further, the susceptibility of the right inferior pars triangularis for rTMS in left perisylvian glioma patients with aphasia suggests a functionally important role for this region in aphasia. The SVM model used herein was unaffected by glioma location, which was determined by comparing overlapping regions with atlases of grey and white matter. Our SVM model was improved most significantly by the use of the left supramarginal gyrus as a feature. Our data also confirm that the potential for neuroplasticity decreases with age.
Einleitung: Die navigierte repetitive transkranielle Magnetstimulation (rTMS) ermöglicht die transiente Störung lokaler neuronaler Funktionen auf nicht-invasive Weise. Da Patienten eine signifikante Heterogenität in Bezug auf tumorassoziierte Sprachnetzwerkveränderungen und rTMS-Funktionsmapping-Ergebnisse aufweisen, kann die Verwendung von maschinellem Lernen eine effektive Möglichkeit darstellen, rTMS-Sprachmapping-Muster zuverlässig zu klassifizieren. Methode: Präoperatives navigiertes rTMS-Sprachmapping wurde bei 90 rechtshändigen Patienten mit linksperisylvischen WHO-Grad II-IV-Gliomen durchgeführt. Zur Beurteilung des Schweregrades der Aphasie wurde der vom Aachener Aphasie-Test (AAT) adaptierte Berlin Aphasia Score (BAS) eingesetzt. Nach der räumlichen Normalisierung aller rTMS-Spots auf den standardisierten Raum des Montreal Neurological Institute (MNI) wurden die Sprachfehlerraten (ER) in jeder der 28 stimulierten kortikalen Areale (ROIs) mit Hilfe der automatisierten anatomischen Parzellierung (AAL3) des Illinois Institute of Technology (IIT) berechnet. Signifikant aphasieassoziierte Regionen wurden mit Hilfe einer Support-Vektor-Maschine (SVM) klassifiziert. Ergebnisse: Von 90 Patienten in der vorliegenden Studienkohorte lag bei 29 (32,2 %) eine Aphasie vor. Nach Eingabe der demographischen Daten und der ERs jeder ROI in ein SVM-Modell wurde festgestellt, dass die Merkmale, die am signifikantesten zum Gesamtmodell beitrugen, das Alter (w = 2,98) sowie die ERs des linken Gyrus parietalis inferior (w = 2,28), des linken Gyrus supramarginalis (w = 3,64) und der rechten Pars triangularis (w = 1,34) waren. Die Gesamtwerte für Sensitivität, Spezifität und Genauigkeit des Modells betrugen jeweils 86,2 %, 82,0 % bzw. 85,5 %, mit einem AUC-Wert von 89,3 %. Zusammenfassung: Unsere Daten zeigen eine erhöhte Vulnerabilität für rTMS induzierte Sprachfehler in den linken posterioren perisylvischen Arealen, wie dem Gyrus supramarginalis oder dem Gyrus parietalis inferior, was die Sprachrelevanz des klassischen und erweiterten Wernicke-Areals bestätigt. Weiterhin deutet die Beteiligung der rechten inferioren Pars triangularis bei links perisylvischen Gliom-Patienten mit Aphasie auf eine funktionell wichtige Rolle für diese Region hin. Das hier verwendete SVM-Modell wurde nicht durch die Tumorlokalisation beeinflusst, die durch den Vergleich überlappender Regionen mit Atlanten der grauen und weißen Substanz bestimmt wurde. Das SVM-Modell wurde am deutlichsten durch Einschluss des linken supramarginalen Gyrus als Merkmal verbessert. Unsere Daten bestätigen auch, dass das Potential für Neuroplastizität mit zunehmendem Alter abnimmt.
