Perioperative monitoring of facial nerve function in vestibular schwannoma surgery for objective determination of postoperative nerve function with machine learning approaches

Abstract

Surgical removal of vestibular schwannomas affects the facial nerve, requiring accurate assessment of its function. Clinical grading with the House-Brackmann grading system (HBGS) is problematic due to relevant subjectivity and inter-rater variability. We showed in a prospective clinical study setting that surface EMG may be a potential alternative objective assessment tool to HBGS, primarily for scientific investigations. Perioperative neuromonitoring methods including multimodal data sources may also enable to capture the exact nerve function. Intraoperative free-running EMG, can record A-trains, pathophysiological patterns which correlate in their quantity - the traintime, with the functional outcome. We trained neural networks using perioperative data to estimate accurate postoperative facial function. Networks based on the factors traintime, preoperative HB grade and tumor size as well as removal of clinically irrelevant A-trains achieved the most precise results.

Bei der chirurgischen Entfernung von Vestibularisschwannomen kann der N. facialis beschädigt werden, weshalb eine exakte Bestimmung der Nervenfunktion essenziell ist. Die klinische Bewertung mit dem House-Brackmann Graduierungssystem (HBGS) ist aufgrund erheblicher Subjektivität und Inter-Rater Variabilität problematisch. In einer prospektiven klinischen Studie konnten wir zeigen, dass das Oberflächen-EMG das Potential dazu hat, als objektivere Alternative zur HBGS zu dienen. Intraoperative Neuromonitoring-Methoden, kombiniert mit multimodalen Datenquellen, können unter der Nutzung von neuronalen Nerzwerken (NN) ebenfalls die postoperative Nervenfunktion bestimmen. Das intraoperative EMG kann z.B. A-Trains aufzeichnen, pathophysiologische Muster, die in ihrer Gesamtzeit - der traintime - mit dem funktionellen Ergebnis korrelieren. NN wurden mit perioperativen Datensätzen trainiert, um die postoperative Fazialisfunktion zu vorherzusagen. NN, die auf den Faktoren traintime, präoperativer HB und Tumorgröße sowie der Entfernung klinisch irrelevanter A-Trains basierten, erzielten hier die präzisesten Resultate.