Met behulp van AI kan het EEG de neurofysioloog en neuroloog steeds beter bijstaan in de zorg bij onder meer epilepsie: bij de diagnose, de prognose en de monitoring van behandeleffecten. Prof. dr. ir. M.J.A.M. (Michel) van Putten kan daar in uiterst heldere bewoordingen over verhalen. “AI is niet leidend, maar wel een heel handige assistent.”
Van Putten is hoogleraar klinische neurofysiologie aan de Universiteit Twente en neuroloog/klinisch neurofysioloog bij het Medisch Spectrum Twente. Zijn onderzoek richt zich op de effecten van epilepsie en van zuurstof-/energiegebrek op de hersenfunctie.
Water over de dijk
In zijn colleges gebruikt Van Putten als analogie van epilepsie weleens water achter een dijk. “De dijk representeert dan de inhiberende neuronen, het water de exciterende neuronen in de hersenen. Als de dijk hoog genoeg is, komt er geen water over. Wordt het hoogteverschil te klein, dan komt er af en toe een druppel over de dijk. Dit zijn korte storinkjes – interictale epileptiforme ontladingen – die meetbaar zijn met het EEG, maar heel wisselend kunnen voorkomen. Ze correleren met een verhoogde kans op epilepsie. Als het echt misgaat en er een golf water over de dijk komt, ervaart de patiënt een epileptische aanval. Om te onderzoeken of de korte storinkjes bij iemand met mogelijke epilepsie aanwezig zijn, zouden we het liefst een langdurige EEG-meting doen. Maar dat is arbeidsintensief, zoiets als langere tijd bij de dijk kijken of er af en toe druppels overheen vliegen.”
Verdachte gebeurtenissen annoteren
Dit heeft Van Putten gemotiveerd om een ‘deep learning’-algoritme te helpen ontwikkelen om op het EEG van mensen met verdenking op epilepsie automatisch de verdachte gebeurtenissen te annoteren. Vervolgens kan een specialist gericht alleen die gebeurtenissen beoordelen.1 “We hebben aangetoond dat dit betrouwbaar is en wel 50 tot 75 keer sneller gaat.”2
Van Putten voegt toe dat de vorm en afmeting van de druppel, de ‘handtekening’, ook informatie geeft. “Dus met AI detecteren we epileptiforme afwijkingen, waarvan we vervolgens met biofysische modellen de handtekening bekijken – die waarschijnlijk verandert als je patiënten succesvol behandelt.”
Het EEG, gekoppeld aan deep learning, kan zo helpen de diagnostiek bij verdenking op epilepsie sneller, efficiënter en mogelijk betrouwbaarder te maken. In de nabije toekomst verwacht hij dat het tevens kan helpen bij de keuze van de behandeling: “Als de EEG-bevindingen gecombineerd worden met klinische gegevens zoals geslacht en leeftijd, en beeldvormend onderzoek zoals een MRI-scan, kunnen AI-algoritmes een therapiekeuze suggereren.”
Behandeleffecten monitoren
Een tweede, hiermee samenhangende functie is het monitoren van de behandeleffecten van anti-epileptica. Het bijstellen van de medicatie gebeurt nu vaak op basis van dagboekjes van patiënten. Die leiden tot veel onder- zowel als overrapportage, weet Van Putten. “Dus op basis van een onbetrouwbare read-out gaan we pillen bijstellen, om vervolgens dezelfde onbetrouwbare dagboekjes te gebruiken om te kijken of het effect heeft. Tegelijkertijd: we hadden, tot voor kort, geen goede alternatieven.”
Monitoring van behandeleffecten is in studieverband al werkelijkheid. Van Putten startte met collega’s een project waarbij de behandeling wordt gemonitord met een subcutaan geïmplanteerde elektrode, de 24/7 EEG™ SubQ. “Hiermee kun je langdurig, tot wel 16 maanden, betrouwbaar monitoren of de patiënt werkelijk insulten heeft, inclusief subklinische insulten. Ik verwacht dat we hiermee de behandeling van patiënten met epilepsie echt kunnen verbeteren.”
Behalve ondersteuning bij de diagnose en het monitoren van behandeleffecten, zou AI ook kunnen gaan helpen om epileptische insulten te voorspellen, aldus Van Putten. “Er is hoop dat we als we maar genoeg EEG-data hebben, patronen kunnen gaan ontdekken die de kans op een nieuw insult kunnen inschatten.”
Blik in de toekomst
Door de mogelijkheden die AI biedt, zal het EEG binnen enkele jaren voor veel meer gebruikt worden dan diagnostiek en monitoring. “Het EEG blijft een onmisbaar meetinstrument: het levert informatie op die we met andere technieken echt niet krijgen.” Naast het gebruik bij epilepsie, wordt het EEG steeds vaker toegepast bij het monitoren van de hersenfunctie van patiënten in coma na een reanimatie, die opgenomen zijn op de IC. “We kunnen bij een groot deel van deze patiënten betrouwbaar de neurologische prognose bepalen, vaak al binnen 24 uur na de reanimatie.” Ook hier kan AI ondersteunen. “We hebben algoritmes getraind op een cohort van meer dan 700 patiënten, met buitengewoon goede resultaten.3 Het ‘deep learning’-model voorspelde betrouwbaar de kans op goed of slecht herstel, beter zelfs dan logistische regressie of ‘random forest’-modellen.”
Van Putten wil benadrukken dat AI niet zelfstandig diagnostiek verricht, maar een complementaire functie heeft. “Zo gebruiken wij het ook in de kliniek: als hybride met visuele analyse door een expert. Geen enkele finale beslissing wordt alleen op AI gebaseerd.” Hij besluit: “Zie AI als een heel handige assistent. Ik vergelijk het weleens met het zoeken van een naald in een hooiberg: als AI de plek kan aanwijzen waar je moet zoeken, bespaart je dat heel veel tijd.”
Zelf-ontwikkelde software
Van Putten is medeoprichter van Clinical Science Systems, een bedrijf dat klinische EEG-software ontwikkelt. “Dat heb ik 20 jaar geleden samen met Paul Koster opgericht, ook uit frustratie over de beperkte mogelijkheden van commerciële EEG-software. Ik had in die tijd de Brain Symmetry Index (BSI) bedacht om de hersenfunctie van patiënten tijdens operaties aan de halsslagader te monitoren. Maar dat kon ik niet implementeren in bestaande software.”
Inmiddels is NeuroCenter® EEG ontwikkeld, een EEG-viewer, recorder en analyseplatform (www.neurocenter.info), waarin de BSI is geïmplementeerd. Daarnaast bevat de software vele andere analyses, waaronder ook AI voor het detecteren van epileptiforme afwijkingen. “Als je het platform wilt leren kennen, dan kun je je eenvoudig registreren en er ervaring mee opdoen. Het is een heel gebruikersvriendelijke tool voor clinici. In ons ziekenhuis gebruiken we NeuroCenter® EEG tijdens operaties en voor het monitoren van patiënten op de IC. De software wordt ook gebruikt voor onderwijs en onderzoek. Zo hebben we bijvoorbeeld een mooie samenwerking met collega’s in Leiden voor een project rond de monitoring van migraine en epilepsie.”
Referenties
- Tjepkema-Cloostermans et al. Expert level of detection of interictal discharges with a deep neural network (in review).
2. Da Silva Lourenço C, Tjepkema-Cloostermans MC, van Putten MJAM. Ultrafast review of ambulatory EEGs with deep learning. Clin Neurophysiol. 2023:154:43-8.
3. Pham SDT, Keijzer HM, Ruijter BJ, et al. Outcome prediction of postanoxic coma: A comparison of automated electroencephalography analysis methods. Neurocrit Care. 2022;37(Suppl 2):248-58.