Using Higher-Order Interactions to Characterize Epileptogenic Networks in Stereo-Electroencephalography

Epilepsy is a neurological disorder characterized by abnormal disruptions of brain function, known as epileptic seizures. In patients with drug-resistant epilepsy, seizures can only be treated through the surgical resection of the epileptogenic zone (EZ), the brain region responsible for seizure generation. In this context, the gold standard for localizing the EZ is Stereo-electroencephalography (SEEG), an invasive technique that enables the recording of electrical activity from deep cortical structures. The output is a multi-dimensional signals with hundreds of components, named channels, each exploring a different brain location. In this thesis, we develop a novel framework for SEEG analysis that exploits higher-order interactions, i.e., connectivity among groups of multiple variables, to characterize the relationship between SEEG channels. Specifically, we consider a dataset with 20 SEEG recordings, each capturing 200 seconds encompassing the transition from a baseline to seizure activity. We then represent each signal as an hypergraph, in which synchronization among different channels determines the weights of the hyperlinks that connect multiple nodes. To estimate the link strengths, we consider several functional connectivity metrics, including pairwise and higher-order measures. Our results show that the difference between seizure and baseline activities increases more markedly when higher-order metrics are used to describe the SEEG network. Furthermore, we prove that, after seizure onset, the centrality of epileptogenic nodes exhibits more pronounced changes when using higher-order connectivity than pairwise connectivity metrics. Overall, these findings demonstrate that higher-order interactions may ultimately improve the identification of the brain regions responsible for seizure generation.

L’epilessia è un disturbo neurologico caratterizzato da alterazioni anomale della funzione cerebrale, note come crisi epilettiche. Nei pazienti affetti da epilessia farmacoresistente, le crisi possono essere trattate unicamente attraverso la resezione chirurgica della zona epilettogena (EZ), la regione cerebrale responsabile della generazione delle crisi. Il metodo migliore per la localizzazione dell’EZ è la stereo-elettroencefalografia (SEEG), una tecnica invasiva che consente di registrare l’attività elettrica da strutture corticali profonde. Il segnale risultante è multidimensionale e composto da centinaia di canali, ciascuno dei quali esplora una diversa area cerebrale. In questa tesi viene sviluppato un nuovo framework per l’analisi SEEG che sfrutta le interazioni di ordine superiore (higher-order interactions), ovvero la connettività tra gruppi di più variabili, per caratterizzare le relazioni tra i canali SEEG. Nello specifico, è stato analizzato un dataset clinico comprendente 20 registrazioni SEEG, ciascuna della durata di 200 secondi e relativa alla transizione dall’attività di baseline a quella ictale. Ciascun segnale è stato rappresentato tramite un ipergrafo, in cui la sincronizzazione tra i diversi canali determinai pesi degli hyperlink che collegano più nodi. Per stimare la forza delle connessioni, sono state considerate diverse metriche di connettività funzionale, comprese misure sia pairwise (a coppie) sia ad ordine superiore. I risultati mostrano che la divergenza tra l’attività ictale e quella di baseline aumenta in modo significativamente più marcato quando la rete SEEG viene descritta mediante metriche higher-order. Inoltre, viene dimostrato che, a seguito dell’esordio della crisi, la centralità dei nodi epilettogeni subisce variazioni molto più pronunciate con l’uso delle metriche higher-order rispetto alle metriche pairwise tradizionali. Nel complesso, questi rilevamenti dimostrano che le interazioni di ordine superiore possono migliorare l’identificazione delle regioni cerebrali responsabili della generazione delle crisi.