Conditional Spatial Classification of Expert-Confirmed Interictal Epileptiform Discharge Epochs: An EEG-ECG Ablation and SHAP Analysis

Het menselijk brein is een uitgestrekt, ingewikkeld netwerk van elektrische signalen die constant vuren om gedachte, beweging en sensatie te coördineren. Af en toe hapert deze elektrische activiteit, wat resulteert in korte, abnormale uitbarstingen die interictale epileptiforme ontladingen worden genoemd. Dit zijn op zichzelf geen epileptische aanvallen, maar eerder de kenmerkende elektrische handtekeningen die tussen de aanvallen door verschijnen en dienen als cruciale aanwijzingen voor artsen die proberen de conditie van een patiënt te begrijpen. Om deze signalen te duiden, kijken specialisten naar waar ze op het oppervlak van de hoofdhuid verschijnen. Een uitbarsting kan geconcentreerd zijn aan de voorkant van het hoofd, verspreid over het gehele oppervlak, of gelokaliseerd zijn aan de achterkant. Het bepalen van deze locatie helpt bij het in kaart brengen van het onderliggende hersennetwerk dat betrokken is, wat een vitale stap is bij het plannen van de behandeling. Het lezen van deze signalen is echter moeilijk werk, waarbij experts uren aan opnames moeten doorzoeken om deze vluchtige momenten te vinden en ze te categoriseren op basis van hun vorm en positie.

Een recente studie pakte een specifieke uitdaging binnen dit vakgebied aan: zodra een expert al heeft bevestigd dat een venster van vier seconden aan hersenactiviteit één van deze abnormale uitbarstingen bevat, kan een computerprogramma die uitbarsting dan nauwkeurig in de juiste locatiecategorie sorteren? De onderzoekers vroegen de computer niet om de uitbarstingen eerst zelf te vinden, aangezien dat een geheel ander probleem is. In plaats daarvan begonnen ze met 2.514 clips van vier seconden die door menselijke experts al waren geverifieerd als bevattende de abnormale activiteit. Het doel was om te zien of een machine naar deze bevestigde clips kon kijken en kon beslissen of de activiteit gegeneraliseerd, frontaal, temporaal, occipitaal of centro-pariëtaal was. Om dit te doen, voedden het team de gegevens aan verschillende computermodellen, waarbij verschillende combinaties van informatie werden getest. Ze begonnen met standaard hersengolven van negentien sensoren op de hoofdhuid, voegden toen een opname van de elektrische activiteit van het hart toe, en voegden tot slot een volledige set van negenentwintig sensoren toe die hersengolven, hartsignalen en spieractiviteit vastlegden.

De resultaten lieten zien dat het toevoegen van het hartsignaal een merkbaar verschil maakte. Wanneer de computermodellen alleen vertrouwden op de hersengolfsensoren, identificeerde het beste systeem de locatie ongeveer 89 procent van de tijd correct. Echter, toen de onderzoekers het hartsignaal samen met de hersensensoren opnamen, steeg de nauwkeurigheid aanzienlijk. Het meest succesvolle model, dat leerde van de gegevens door een reeks beslisregels op te bouwen, bereikte een nauwkeurigheid van meer dan 93 procent met het hartsignaal inbegrepen, en klom naar bijna 94,5 procent bij het gebruik van de volledige set sensoren. De studie vond dat elk getest computermodel beter presteerde wanneer de hartgegevens deel uitmaakten van de mix. In het meest succesvolle model droeg het hartsignaal zelf zwaar bij aan het besluitvormingsproces, waarbij de elektrische activiteit van de rechter- en linkerarm een aanzienlijk deel van de redenering van het model uitmaakte. Bovendien bleek de snelheid waarmee het hartsignaal fluctueerde de belangrijkste informatie te zijn die het model gebruikte om zijn keuzes te maken.

Ondanks deze duidelijke verbeteringen in het sorteren van de gegevens, zijn de onderzoekers voorzichtig met het definiëren van de grenzen van wat zij hebben gevonden. De studie toont aan dat hartgerelateerde signalen een computer kunnen helpen om hersenactiviteit die al door een menselijke expert is bevestigd, beter te categoriseren. Het bewijst niet dat het hart deze hersenuitbarstingen veroorzaakt, noch suggereert het dat het hartsignaal een nieuwe biologische marker voor epilepsie is. De bevindingen zijn specifiek voor deze methode van sorteren van bekende gebeurtenissen en betekenen niet dat het systeem deze uitbarstingen nu zelfstandig kan detecteren bij een levende patiënt, noch garandeert het dat het systeem voor iedere persoon zal werken. Het werk biedt een methodologisch inzicht: voor de specifieke taak van het organiseren van bevestigde hersengolfpatronen, biedt het opnemen van het elektrische ritme van het hart een meetbaar voordeel. Het suggereert dat de systemen van het lichaam zo met elkaar verweven zijn dat zelfs een signaal van het hart kan helpen om de locatie van een hersengebeurtenis te verduidelijken, maar dit blijft een hulpmiddel voor het verfijnen van hoe we gegevens sorteren, en niet een nieuwe manier om de aandoening zelf te diagnosticeren.