A novel computational framework for identifying epileptogenic networks based on functional connectivity changes

Ivankovic, Karla

A novel computational framework for identifying epileptogenic networks based on functional connectivity changes

Document Type

Doctoral thesis
Published Version

Author

Ivankovic, Karla

Director

Principe, Alessandro
Dierssen, Mara

Publication Date

2025-02-17

Pages

98 p.

Embargo date

2026-02-17T01:00:00Z

License

Citation

Ivankovic, K. A novel computational framework for identifying epileptogenic networks based on functional connectivity changes. Universitat Pompeu Fabra; 2025. handle: http://hdl.handle.net/10803/694005

This citation was generated automatically.

Doctoral program

Programa de Doctorat en Biomedicina

Abstract

Esta tesis se centra en mejorar la precisión de los objetivos quirúrgicos en pacientes con epilepsia resistente a los fármacos. Las redes cerebrales epileptogénicas exhiben cambios significativos en la conectividad durante los períodos previos a las crisis. Los modelos previos de generación de crisis respaldan una dinámica de conectividad donde la red epileptogénica intenta propagar la actividad convulsiva, mientras que otras redes intentan suprimirla. Desarrollamos una herramienta para medir los cambios de conectividad entre dos estados de red y probamos el cambio de conectividad como un posible biomarcador. Las redes que más cambiaron fueron consistentes con las resecciones quirúrgicas de los pacientes con buen pronóstico en una cohorte retrospectiva de pacientes. Además, analizamos la generación de crisis como una interacción competitiva entre redes, basándonos en conceptos de la teoría de juegos. Este marco separó por completo las cirugías exitosas de las fallidas. Por último, fuimos más allá de la conectividad por pares e introdujimos una herramienta para identificar redes funcionales basadas en patrones de actividad. En general, esta tesis proporciona herramientas prácticas para avanzar tanto en la práctica clínica como en la neurociencia básica.
This Thesis focuses on improving the precision of surgical targets in drug-resistant epilepsy patients. Epileptogenic brain networks exhibit significant connectivity changes during pre-seizure periods. Previous models of seizure generation support a push-pull connectivity dynamics, with the epileptogenic network attempting to propagate seizure activity while other networks try to suppress it. We developed a tool for measuring connectivity changes between two network states and tested connectivity change as a potential biomarker. The networks that changed the most were consistent with successful surgical targets in a retrospective patient cohort, achieving accurate surgery outcome prediction. We further analyzed seizure generation as a competitive interaction between networks, drawing on game theory concepts. This framework completely separated successful and failed surgeries. Lastly, we moved beyond pairwise connectivity and introduced a tool for identifying functional networks based on distributed activity patterns. Overall, this Thesis provides practical tools for advancing the clinical practice and basic neuroscience.

Keywords

Epilepsy surgery, Functional connectivity, Biomarker, Epileptogenic network, Outcome prediction, Epilepsia, Cirugía de epilepsia, Conectividad funcional cerebral, Biomarcador