Modeling, predicting and controlling epileptic seizures

De strijd tegen epilepsie: ingenieurs helpen mee

Epilepsie is een zeer ernstige neurologische aandoening waar wereldwijd zo’n 50 miljoen mensen aan lijden. Helaas zijn de huidige behandelingen nog steeds ondoeltreffend voor ongeveer 20% van deze patiënten. Om de levenskwaliteit van deze patiënten te verbeteren is het uitermate belangrijk dat er doeltreffende alternatieve behandelingen gevonden worden. Ingenieurstechnieken worden tegenwoordig toegepast in deze zoektocht, hopelijk met veel succes tot gevolg. De resultaten van deze studie zijn alvast veelbelovend. 

Epilepsie
Epilepsie is een zeer diverse neurologische aandoening en wordt gekarakteriseerd door terugkerende aanvallen. Iedere epileptische aanval gaat gepaard met het uitvoerig en synchroon vuren van neuronen in bepaalde hersendelen. De meest gebruikte behandelingen zijn medicatie en chirurgie, maar deze zijn niet doeltreffend voor alle patiënten. Hersenstimulatie krijgt de laatste tijd veel aandacht als alternatief dankzij de successen die hiermee bekomen werden bij het behandelen van de ziekte van Parkinson.

In deze studie worden twee specifieke soorten van epilepsie beschouwd, namelijk absences en mediale temporale kwab epilepsie (MTLE). Absences zijn aanvallen waarbij de patiënt het bewustzijn verliest zonder last te hebben van convulsies. Deze aanvallen zijn van korte duur, maar kunnen tot honderd keer per dag voorkomen. MTLE heeft een zeer lokale aanvang in de hersenen, deze is namelijk gesitueerd in het binnenste deel van de temporale kwab (hippocampus of amygdala). Hierdoor hebben deze aanvallen meestal een invloed op geheugen of emotionele functies.

Wiskundige modellen van epilepsie

Tegenwoordig wordt er meestal een wiskundig model ontworpen voor een dynamisch systeem dat geanalyseerd moet worden. Zo kan de analyse gebeuren aan de hand van het model, zonder interactie met het echte systeem. Op deze manier kan men ook wiskundige modellen ontwikkelen van de hersenen en deze gebruiken om epileptische aanvallen te simuleren. In deze studie worden macro modellen gebruikt die bestaan uit grote neuronenpopulaties die met elkaar interageren. Een electro-encephalogram (EEG) meet en registreert de elektrische activiteit van een grote groep neuronen in de hersenen. De output van een macro model kan dus worden geïnterpreteerd als een EEG.

In deze studie worden twee modellen gebruikt, één voor absences en een ander voor MTLE. Het model voor absences is in staat om zowel interictale (tussen de aanvallen) als ictale (tijdens de aanval) activiteit te simuleren. De overgangen tussen deze types van activiteit gebeuren op spontane wijze. Dit maakt het mogelijk om te interageren met het model en de effecten hiervan na te gaan. Het model voor MTLE kan zowel interictale, ictale als pre-ictale (net voor de aanval) activiteit simuleren. Dit model wordt gebruikt om artificiële data te genereren, waarbij de data EEG metingen bestaande uit meerdere kanalen voorstellen. 

Controlesysteem voor absences

Een controlesysteem wordt ontwikkeld om te interageren met het model van absences. Het controlesysteem bestaat uit een detectie- en een stimulatiegedeelte. De detectie gebeurt op basis van de amplitude van het EEG, hetgeen een snelle detectie mogelijk maakt. Nadat het systeem een aanval detecteert, wordt er geprobeerd om deze aanval te onderbreken aan de hand van stimuli die in het model gestuurd worden. Op deze manier worden de mogelijkheden van hersenstimulatie bekeken aan de hand van computersimulaties.

De resultaten van deze simulaties zijn zeer positief. Elke epileptische aanval kan namelijk zeer snel onderbroken worden. De snelheid waarmee een aanval gedetecteerd wordt zal bepalen hoe lang een aanval zich kan ontwikkelen. De snelheid waarmee de detectie gebeurt is dus zeer belangrijk. Een te trage detectie laat een aanval toe om lang genoeg te ontwikkelen zodat de patiënt er last van heeft. In deze studie krijgen de aanvallen geen kans om sterk merkbaar te worden dankzij de snelle detectie van het controlesysteem. Op deze manier kan een patiënt zo goed als volledig vrij van aanvallen worden gesteld. De aanval voorspellen zou nog beter zijn dan hem snel te detecteren. Door de abrupte start van absences is het helaas onmogelijk om de aanval te voorspellen. Een snelle detectie is het beste waar men op kan hopen. Dit is echter niet zo voor alle soorten epileptische aanvallen.

Voorspellingsmethode voor MTLE

MTLE heeft naast een interictale en ictale fase ook nog een pre-ictale fase. Dit is het type activiteit dat waargenomen kan worden net voor een aanval. Het EEG van MTLE toont dynamische veranderingen alvorens de aanval werkelijk begint, in tegenstelling tot de abrupte overgangen die men bij absences kan vinden. Deze dynamische veranderingen kunnen gebruikt worden om de aanval te voorspellen alvorens deze werkelijk begonnen is. Het is geweten dat er tijdens een epileptische aanval veel synchronie tussen neuronen ontstaat in de hersenen van de patiënt. Om deze reden worden wiskundige maten voor synchronie gebruikt om een aanval te voorspellen. Deze maten voor synchronie worden berekend tussen verschillende kanalen van het EEG en daarmee dus eigenlijk tussen verschillende regio’s in de hersenen. Een aanval voorspellen komt in principe neer op het vinden van de pre-ictale fases in het EEG. Dit wil zeggen dat we te maken hebben met een classificatieprobleem: elk punt van het EEG behoort tot de interictale, pre-ictale of ictale fase. Deze classificatie wordt gedaan op basis van technieken uit machine learning. Dit is een onderzoeksveld binnen artificial intelligence waarbij men tracht computers te leren denken. Eerst wordt er een model ontwikkeld op basis van data waarvan de klassen reeds gekend zijn, de zogenaamde trainingsdata. Daarna kan dit model gebruikt worden om nieuwe data waarvan de klassen onbekend zijn, de zogenaamde testdata, zeer snel te classificeren. In deze studie wordt er een nauwkeurigheid van 98% bekomen voor de classificatie, hetgeen zeer hoopgevend is naar de toekomst toe. 

Met twee sta je sterker dan alleen

Deze studie toont aan dat de gereedschapskist van een ingenieur zeer handig kan zijn in situaties waar men het eerst niet verwacht. Epilepsie werd vroeger vooral bestreden door middel van medicatie of chirurgische ingrepen. Ingenieurs en dokters kunnen in de toekomst samen de strijd tegen epilepsie aangaan om zo hopelijk de prognose voor patiënten opmerkelijk te verbeteren.