Automatische algoritmes helpen bij diagnose, behandeling en veiligheid bij epilepsie

In de specialistische epilepsiezorg monitoren en analyseren we vaak informatiestromen om belangrijke gebeurtenissen (events) te vinden. Dit kan bijvoorbeeld een aanval zijn op een videobeeld, of een korte signaalpiek gemeten in de EEG van iemand met epilepsie. Het moment of de locatie van het optreden van events geeft informatie over de juiste diagnose, behandeling of over de noodzaak van onmiddellijke (medische) hulp als iemand een epileptische aanval heeft. Met het onderzoek in het proefschrift ‘Automated markers for enhanced epilepsy diagnosis, treatment, and safety monitoring’ probeerden de onderzoekers door toepassing van automatische algoritmes het monitoren van informatiestromen te vereenvoudigen. Ze maakten zelf algoritmes, en onderzochten of deze algoritmes de diagnose, behandeling en veiligheidsmonitoring bij mensen met epilepsie kunnen verbeteren.

De visuele observatie die nodig is om events te detecteren of op te merken, is tijdrovend, subjectief en gevoelig voor afleiding. Hierdoor kunnen belangrijke events gemist worden, wat de veiligheid en de kwaliteit van diagnose en behandeling in gevaar zou kunnen brengen. Automatische markers kunnen hierbij helpen door de events voor ons te detecteren. Dergelijke algoritmes geven automatisch een schatting van de locatie of het moment van optreden van events.

Mens en machine
In de epilepsiemonitoringsunit worden mensen met een vermoedelijke epileptische aandoening langdurig onderzocht met EEG en video. Het tijdig opmerken van een aanval is van belang bij het voorkomen van bijvoorbeeld verwondingen. Ook kunnen op de unit tijdens de aanval test worden uitgevoerd om een diagnose te ondersteunen. Automatische algoritmes zouden aanvallen kunnen helpen detecteren die anders gemist of te laat opgemerkt zouden zijn. We onderzochten daarom de toegevoegde waarde van algoritmes die automatisch aanvallen detecteren in de EEG, bovenop de detectie door medewerkers. We vonden dat de algoritmes de reactie op aanvallen verbeteren, omdat ze het totale aantal gedetecteerde aanvallen en de detectiesnelheid vergrootten.

Behandeling verbeteren
Als het niet lukt om aanvallen met medicicatie onder controle te krijgen, wordt soms epilepsiechirurgie overwogen. De operatie heeft als doel precies en alleen dat weefsel te verwijderen waarmee de patiënt aanvalsvrij wordt. Om dit epileptogene weefsel af te grenzen kan het nodig zijn om voor of tijdens de operatie een invasieve EEG te maken. We maakten een algoritme dat het invasieve EEG analyseert om het epileptogene weefsel af te grenzen. We zagen dat het algoritme hogere waarden mat in weefsel dat waarschijnlijk epileptogeen was. Patiënten bij wie er na de operatie nog steeds dergelijke hoge waarden gemeten werden, waren vaak niet aanvalsvrij. Het algoritme zou bruikbaar kunnen zijn om epileptogeen weefsel af te grenzen, om mogelijk de kans op aanvalsvrijheid na een operatie te vergoten.

Slimme camera’s
Tot een derde van de mensen met epilepsie blijft ondanks behandeling aanvallen houden, die gevaarlijk kunnen zijn. Thuis monitoren op gevaarlijke aanvallen kan de veiligheid vergroten door aan te geven of iemand hulp nodig heeft en risico loopt op plotse dood bij een aanval. Automatische aanvalsdetectiesystemen kunnen helpen zorgverleners te waarschuwen, maar veelgebruikte draagbare sensoren (wearables) worden niet altijd verdragen. We ontwierpen daarom een contactloos monitoringssysteem dat convulsieve aanvallen (het meest risicovolle aanvalstype), vallen en apneus kan detecteren in videoregistraties. Het eerste algoritme detecteerde alle convulsieve aanvallen in een grote test-dataset, met weinig valse alarmen en zou gebruikt kunnen worden om de veiligheid te vergroten. Daarnaast maakten en testten we algoritmes om vallen en apneus te detecteren in videoregistraties. In beide onderzoeken gebruikten we video’s met geacteerde vallen of apneus en echte vallen/apneus bij een epileptische aanval. De algoritmes detecteerden veel van de events, met weinig valse alarmen. Het detecteren van vallen en apneus in videobeelden lijkt haalbaar met de gemaakte algoritmes. Verder onderzoek kan het aantal valse alarmen van beide algoritmes nog verder verlagen.

Dr. E.E. Geertsema



Aandachtsgebied:

Epilepsie

Onderwerp:

algoritme EEG

U heeft nog enkele gratis artikelen binnen neurologie. Maak uw account aan om ongelimiteerd te lezen.