📄 bioengineering

Device-embedded accelerometry complements neural signals for tracking parkinsonian motor states

Deze studie toont aan dat in het apparaat ingebedde accelerometrie een robuustere en nauwkeurigere biomarker biedt voor het volgen van Parkinsoniaanse motorische toestanden onder variërende stimulatiecondities vergeleken met neurale signalen, wat de integratie ervan in volgende generaties adaptieve diepe hersenstimulatiesystemen ondersteunt.

Oorspronkelijke auteurs: LIU, T., Yao, J., Abdi-Sargezeh, B., Sharma, A., Lasbareilles, C., Tsi Lok Ho, R., Cheung, J., Denison, T., Tan, H., Neumann, W.-J., Zhu, M. M., Liu, S., Starr, P., Little, S., Oswal, A.

Gepubliceerd 2026-07-09

📖 6 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: LIU, T., Yao, J., Abdi-Sargezeh, B., Sharma, A., Lasbareilles, C., Tsi Lok Ho, R., Cheung, J., Denison, T., Tan, H., Neumann, W.-J., Zhu, M. M., Liu, S., Starr, P., Little, S., Oswal, A.

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer

Het Grote Plaatje: Het repareren van de "slimme" Parkinson-behandeling

Stel je Deep Brain Stimulation (DBS) voor als een hoogtechnologische thermostaat voor de hersenen. Voor mensen met de ziekte van Parkinson stuurt deze "thermostaat" elektrische pulsen naar een specifiek deel van de hersenen (de Subthalamische Nucleus, of STN) om de hersenen te kalmeren die verkeerd functioneren en de oorzaak zijn van trillingen, stijfheid en trage bewegingen.

Momenteel werken de meeste van deze thermostaten op basis van een timer—ze blijven gewoon doordenderen. Het doel van "Adaptieve DBS" is om ze slim te maken: ze moeten de kracht verhogen wanneer de patiënt stijf is en verlagen wanneer de patiënt goed beweegt. Om dit te doen, heeft de machine een "thermometer" nodig om de temperatuur van de hersenen (de symptomen) af te lezen.

Het Probleem: De traditionele thermometer is een draad in de hersenen die luistert naar elektrische signalen. Maar hier komt de crux: wanneer de machine de elektriciteit inschakelt om het probleem op te lossen, creëert dit zoveel "statische ruis" dat de thermometer de hersenen niet meer duidelijk kan horen. Het is alsof je probeert te luisteren naar een fluistering terwijl iemand vlak naast je staat te schreeuwen.

De Oplossing: Dit artikel stelt voor om een tweede thermometer toe te voegen: een kleine bewegingssensor (versnellingsmeter) die al in het apparaat is ingebouwd. De onderzoekers ontdekten dat deze bewegingssensor eigenlijk beter is in het vertellen van de machine hoe de patiënt zich voelt, zelfs terwijl de elektriciteit aan het knallen is.

Het Experiment: Een 1.900-urige Luisterpartij

De onderzoekers bestudeerden 11 mensen met Parkinson die speciale implantaten hadden die zowel elektriciteit konden sturen als gegevens konden registreren. Ze namen meer dan 1.900 uur aan gegevens op terwijl de patiënten hun normale dagelijkse activiteiten uitvoerden (eten, wandelen, praten).

Ze hadden drie dingen tegelijkertijd draaiende:

Hersendraden: Luisterend naar de STN en de motorische cortex (het bewegingscentrum van de hersenen).
De ingebouwde bewegingssensor: De versnellingsmeter in het implantaat in de borst, die het voelt wanneer het lichaam van de patiënt beweegt.
Polshorloges: Speciale horloges (genaamd PKG) die door de patiënten werden gedragen om objectief te meten hoe stijf of trillerig ze waren.

Ze keken naar twee hoofdzaken:

Bradykinesia: Te traag en te stijf zijn.
Dyskinesia: Te veel onvrijwillig bewegen (zoals ongecontroleerd dansen).

Belangrijkste Bevinding 1: "Totale Ruis" versus de "Specifieke Ritme"

Jarenlang hebben artsen geprobeerd om de totale hoeveelheid "bètagolven" (een specifiek hersenritme) in de STN te gebruiken als het signaal voor stijfheid.

De Analogie: Stel je een drukke kamer voor. De "totale bèta-kracht" is als het meten van het totale volume van de kamer.
De Ontdekking: De onderzoekers ontdekten dat het totale volume een slechte indicator is omdat het twee verschillende dingen mengt:
1. Het Ritme (Periodiek): Een gestage trommelslag die luider wordt wanneer de patiënt stijf is.
2. De Ruis (Aperiodiek): Een achtergrondruis die eigenlijk stiller wordt wanneer de patiënt stijf is.
Het Resultaat: Omdat deze twee dingen in tegengestelde richtingen bewegen, heffen ze elkaar bij het optellen (de "totale volume") op. Het is also wordt het meten van de temperatuur door kokend water en ijskoud water te mengen; het resultaat vertelt je niets.
De Fix: Toen ze het "ritme" scheidden van de "ruis", vonden ze dat het ritme een goed teken van stijfheid was, maar dat de "ruis" (aperiodische activiteit) eigenlijk een zeer stabiel signaal was dat niet in de war werd gebracht door de behandeling.

Belangrijkste Bevinding 2: De Bewegingssensor is de MVP

Het meest verrassende resultaat ging over de versnellingsmeter (de bewegingssensor in het implantaat in de borst).

De Analogie: Denk aan de hersendraden als een seismograaf die probeert te raden of er een aardbeving plaatsvindt door naar de grondtrillingen te luisteren. Denk aan de versnellingsmeter als een smartwatch die de trillingen daadwerkelijk voelt.
De Ontdekking:
- Wanneer de hersenstimulatie niet actief was, waren de hersendraden goed in het raden van de symptomen.
- Maar wanneer de stimulatie AAN stond (wat is wanneer de machine beslissingen moet nemen), raakten de hersendraden in de war door de elektrische ruis. Hun vermogen om symptomen te voorspellen nam aanzienlijk af.
- De versnellingsmeter maakte echter geen onderscheid tussen de elektrische ruis. Deze bleef de stijfheid en trillingen van de patiënt perfect volgen, of de machine nu aan of uit stond.
Het Oordeel: In directe vergelijkingen was de bewegingssensor beter in het voorspellen van symptomen dan de hersendraden, vooral wanneer de behandeling actief was.

Belangrijkste Bevinding 3: Het Beste Team is een Hybride

De onderzoekers probeerden een computermodel te bouwen om symptomen te voorspellen met behulp van verschillende combinaties van gegevens.

Alleen Hersenen: Oké, maar raakt in de war wanneer de machine aan staat.
Alleen Bewegingssensor: Zeer goed, zeer stabiel.
Hersenen + Bewegingssensor: De beste combinatie.

De Metafoor: Stel je voor dat je een mistige weg probeert te navigeren.

De Hersendraden zijn als een GPS die soms het signaal verliest in de mist (wanneer de stimulatie aan staat).
De Bewegingssensor is als een chauffeur die uit het raam kijkt; die kan de weg altijd zien.
De Oplossing: Gebruik de chauffeur (bewegingssensor) om de auto te sturen, maar houd de GPS (hersendraden) als back-up om extra details te geven wanneer de weg helder is.

Waarom dit ertoe doet (volgens het artikel)

Het artikel concludeert dat we niet alleen op hersengolven moeten vertrouwen om deze slimme implantaten aan te sturen, omdat de behandeling zelf de hersengolven verstoort.

In plaats daarvan zou het apparaat de ingebouwde bewegingssensor als zijn primaire "ogen" moeten gebruiken om te zien hoe de patiënt beweegt. Deze sensor is robuust, raakt niet in de war door de elektriciteit en zit al in het apparaat, dus er is geen nieuwe chirurgie of externe hardware nodig.

Kortom: Het artikel bewijst dat een kleine bewegingssensor in het implantaat een superieure, betrouwbare manier is om een Parkinson-behandelmachine te vertellen wanneer hij de kracht moet verhogen of verlagen, zelfs terwijl de machine actief aan het werk is.

Technische Samenvatting: In het apparaat ingebedde accelerometrie complementeert neurale signalen voor het volgen van Parkinsoniaanse motorische toestanden

Probleemstelling
Adaptieve Diepe Hersen Stimulatie (aDBS) voor de ziekte van Parkinson (ZP) vertrouwt op fysiologische biomarkers om de motorische toestand af te leiden en de therapeutische stimulatie te sturen. Er bestaat echter een cruciale beperking: de neurale biomarkers die worden gebruikt voor de besturing (zoals de bèta-kracht in de subthalamische nucleus [STN]) worden zelf beïnvloed door de stimulatie die ze bedoeld zijn te sturen. Deze "zelfinterferentie" kan de bruikbaarheid van neurale signalen voor closed-loop controle verslechteren. Bovendien missen standaard klinische beoordelingen de temporele resolutie om fluctuaties in de motorische toestand op de tijdschaal van neurale dynamiek vast te leggen. Hoewel draagbare accelerometers (bijv. de Parkinson's KinetiGraph) veelbelovend zijn gebleken, introduceren zij uitdagingen met betrekking tot gebruikerscompliance en de real-time integratie van signalen met implanteerbare pulsgeneratoren (IPG's). De studie onderzoekt of accelerometers die al in moderne DBS-apparaten zijn ingebed, betrouwbaar de ernst van bradykinesie en dyskinesie kunnen volgen onder verschillende stimulatiecondities, wat potentieel een robuuste gedragsbiomarker biedt die neurale signalen kan complementeren of overtreffen.

Methodologie
De studie analyseerde meer dan 1.900 uur aan chronische, simultane opnames van 11 patiënten met idiopathische ziekte van Parkinson die waren voorzien van een experimenteel sensing-gevoelig DBS-systeem (Medtronic Summit RC+S).

Data-acquisitie: De opnames bevatten lokale veldpotentialen (LFP's) uit de STN en de sensorimotorische cortex, drie-assige accelerometrie ingebed in de IPG, en gelijktijdige draagbare motorische scores van bilateraal gedragen Parkinson's KinetiGraph (PKG) apparaten. De gegevens werden verzameld tijdens activiteiten van het dagelijks leven in zowel de OFF-stimulatie (986 uur) als de continue ON-stimulatie (915 uur) toestanden.
Signaalverwerking: Neurale signalen werden verwerkt om spectrale kenmerken te extraheren, waarbij periodieke (oscillerende) en aperiodieke (1/f) componenten werden gescheiden met behulp van het FOOOF-algoritme. De kenmerken omvatten bandspecifieke kracht (bèta, gamma), aperiodische offset/exponent, en cortico-subthalamische coherentie. Accelerometerdata werden verwerkt om 30 kenmerken te extraheren, waaronder entropie, jerk en de Euclidische norm, uitgelijnd met 2-minuten PKG-intervallen.
Analyse: De auteurs gebruikten correlatieanalyses (Spearman, Pearson) en vier regressiemodellen (Random Forest, SVM, ElasticNet, Fully Connected Neural Network) om PKG-afgeleide bradykinesie- en dyskinesiescores te voorspellen. De prestaties van de modellen werden geëvalueerd met gestratificeerde 5-voudige cross-validatie ( $R^2$ ). Statistische significantie werd beoordeeld met Benjamini–Hochberg False Discovery Rate correctie.

Belangrijkste Bijdragen

Decompositie van Neurale Biomarkers: De studie toont aan dat "totale" STN bèta-kracht een minder betrouwbare biomarker is omdat het tegengestelde fysiologische processen samenvoegt: periodieke bèta-activiteit (die correleert met verslechterende bradykinesie) en aperiodische activiteit (die correleert met verbetering).
Validatie van in het apparaat ingebedde Accelerometrie: De auteurs leveren de eerste demonstratie dat in de IPG ingebedde accelerometers robuust fluctuaties in motorische symptomen (zowel bradykinesie als dyskinesie) kunnen volgen met een hoge sensitiviteit en specificiteit, zelfs tijdens continue stimulatie.
Differentieel Robuustheid: De studie identificeert dat terwijl neurale biomarkers (met name periodieke bèta) ontkoppeling vertonen van de motorische toestand onder actieve stimulatie, in het apparaat ingebedde accelerometrie en specifieke neurale kenmerken (STN aperiodische parameters, corticale periodieke kracht en cortico-subthalamische coherentie) relatief stabiel blijven.
Superieure Voorspellende Prestaties: Machine learning-modellen die gebruikmaken van in het apparaat ingebedde accelerometrie-kenmerken presteerden beter bij het decoderen van motorische toestanden dan modellen die uitsluitend neurale kenmerken gebruikten, zowel in ON- als in OFF-stimulatiecondities.

Resultaten

Neurale Dynamiek: Tijdens OFF-stimulatie nam de periodieke STN bèta-kracht toe bij verslechterende bradykinesie, terwijl de aperiodische kracht afnam. Onder continue stimulatie werd de correlatie tussen de periodieke STN bèta-kracht en de ernst van de symptomen significant verzwakt. Daarentegen behielden STN aperiodische parameters, corticale periodieke activiteit en cortico-subthalamische coherentie stabiele relaties met motorische symptomen tijdens stimulatie.
Prestaties van Accelerometrie: Specifieke accelerometerkenmerken (entropie voor bradykinesie; jerk voor dyskinesie) vertoonden sterke correlaties met PKG-scores. In regressietaken bereikten accelerometer-alleen modellen een hogere voorspellingsnauwkeurigheid ( $R^2 \approx 0,24$ voor bradykinesie, $0,31$ voor dyskinesie) dan neurale-alleen modellen ( $R^2 \approx 0,11-0,22$ ).
Gecombineerde Modellen: Het integreren van neurale en accelerometrie-kenmerken leverde de hoogste prestaties op ( $R^2 \approx 0,29$ voor bradykinesie, $0,35$ voor dyskinesie). Opvallend genoeg benaderde een combinatie van STN-signalen en accelerometrie de prestaties van het volledige multimodale model, wat wijst op een praktische configuratie voor klinische systemen die geen corticale opnames hebben.
Effecten van Stimulatie: Hoewel de prestaties van neurale modellen onder stimulatie licht afnamen, behielden de op accelerometrie gebaseerde modellen hun voorspellende kracht, waardoor ze de degradatie van neurale biomarkers effectief compenseerden.

Betekenis en Claims
Het artikel claimt dat in het apparaat ingebedde accelerometrie een robuuste, stimulatie-resistente gedragsbiomarker vertegenwoordigt voor het volgen van de motorische toestand bij de ziekte van Parkinson. Door aan te tonen dat accelerometrie neurale kenmerken overtreft bij het decoderen van de ernst van de symptomen — met name wanneer stimulatie de neurale dynamiek verandert — stimuleert de studie de integratie van gedragsmatige uitwassen in de volgende generatie adaptieve DBS-systemen. De auteurs stellen een multimodale aanpak voor waarbij accelerometrie een stabiele schatting van de klinische toestand biedt, die de mechanistische specificiteit van neurale biomarkers complementeert. Deze aanpak zou de beperkingen van huidige aDBS-systemen kunnen aanpakken waarbij controlesignalen worden aangetast door de therapie die ze reguleren. De bevindingen ondersteunen het gebruik van aperiodische neurale componenten en netwerk-niveau coherentie als stabielere neurale targets dan totale bèta-kracht, terwijl ze ook de praktische levensvatbaarheid benadrukken van het gebruik van bestaande IPG-hardware voor closed-loop controle zonder dat externe wearables nodig zijn.