Om aanvalsopwekkende zones in de hersenen nauwkeuriger in kaart te brengen, hebben wetenschappers een gevirtualiseerd hersenmodel ontworpen. Dit model is gebaseerd op gegevens over beeldvorming en elektrische activiteit van patiënten die resistent zijn tegen geneesmiddelen voor epilepsie. De digitale workflow, gecreëerd door Huaifang Wang en collega’s, kan de patiëntresultaten verbeteren doordat het betere informatie biedt voor nauwkeurigere chirurgische procedures en interventies.
Epilepsie is één van de meest voorkomende neurologische aandoeningen. Patiënten die niet op medicijnen reageren, worden vaak operatief behandeld. Chirurgen moeten echter eerst de hersengebieden die epileptische signalen genereren (epileptogene zones) met uiterste nauwkeurigheid identificeren. Onlangs heeft onderzoek uitgewezen dat epileptogene zones bestaan uit hiërarchische netwerken in plaats van een enkele focus in de hersenen.
Gevirtualiseerd hersenmodel ondersteund door machine learning
Om vast te stellen welke regio’s epileptische signalen genereren, creëerden Huaifang Wang en collega’s een gevirtualiseerd hersenmodel genaamd Virtual Epileptic Patient (VEP) workflow. De onderzoekers construeerden hun gevirtualiseerde hersenen met synthetische en MRI-gegevens en elektro-encefalografische opnames van individuele patiënten. Deze gegevens worden gebruikt om netwerkknooppunten te bouwen die zijn uitgerust met hun eigen neurale modellen om aanvalsactiviteit te simuleren. Het combineert ook gepersonaliseerde hersenmodellen met machine learning-technieken om epileptogene zonenetwerken in te schatten en te helpen bij klinische besluitvorming.
Dankzij de workflow kon het team verschillende behandelstrategieën voor ‘virtuele chirurgie’ simuleren voor verschillende patiënten. Het vertoonde een goede precisie bij retrospectieve vergelijking met de klinische hypothese in een groep van 53 patiënten. “Zowel wetenschappers als clinici zijn momenteel op zoek naar even efficiënte niet-invasieve benaderingen voor diagnose en behandeling in de toekomst voor patiënten met epilepsie,” zegt Wang. “Daarom kan de modellering van het gehele breinnetwerk een belangrijke rol spelen bij diagnostische en therapeutische oplossingen.”
Dit volledige artikel is hier beschikbaar: www.science.org/doi/10.1126/scitranslmed.abp8982
