Predicting Somatosensory Awareness from Intracranially Informed Scalp EEG
Deze studie presenteert een machine learning-benadering die een niet-invasieve EEG-marker op de hoofdhuid afleidt voor bewuste somatosensorische perceptie door intracraniële operculo-insulaire activiteit te voorspellen, waarbij een superieure consistentie op individueel niveau en generaliseerbaarheid over datasets en hersentoestanden wordt aangetoond vergeleken met bestaande markers.
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
Om te begrijpen wat er gebeurt wanneer we iets voelen, kijken wetenschappers vaak naar de elektrische signalen van de hersenen. Wanneer een zenuw wordt gestimuleerd, produceert de hersenen een voorspelbare elektrische rimpeling die vanaf de hoofdhuid kan worden gemeten. Decennialang hebben onderzoekers vertrouwd op een specifiek patroon in deze signalen, bekend als de Somatosensory Awareness Negativity, om te raden of iemand bewust een aanraking heeft gevoeld. Dit patroon verschijnt als een dip in de elektrische spanning ongeveer een tiende van een seconde na een stimulus. Deze methode heeft echter een aanzienlijk gebrek: de vorm, timing en grootte van deze dip variëren enorm per persoon. Wat bij de ene persoon een duidelijk teken van bewustzijn lijkt, kan bij een ander lijken op willekeurige ruis, waardoor het moeilijk is om dit signaal te gebruiken om te bepalen of een specif�elijk persoon zich bewust is van een sensatie, vooral als die persoon niet kan spreken of bewegen om het ons te vertellen.
Deze uitdaging wordt cruciaal bij het werken met patiënten die wakker zijn maar niet kunnen communiceren, zoals mensen in een coma of in een diepe slaap. In deze gevallen kunnen artsen niet vragen: "Voelde je dat?", en moeten ze volledig vertrouwen op hersenscans om te bepalen of de persoon bewustzijn heeft. Een nieuwe studie door onderzoekers van de Universiteit van Milaan en andere instellingen biedt een potentiële oplossing. Door geavanceerd machine learning te combineren met gelijktijdige opnames van zowel de hoofdhuid als diep in de hersenen, hebben zij een nieuwe manier ontwikkeld om te schatten of een persoon bewust een aanraking voelt. In plaats van te zoeken naar een specifieke vorm in de oppervlaktesignalen, gebruikt hun methode de gegevens van de hoofdhuid om een specifieke, aanhoudende elektrische activiteit diep in de hersenen te voorspellen, die bekend staat als verbonden met bewust waarneming.
De onderzoekers begonnen door te werken met een kleine groep patiënten die al onderhevig waren aan invasieve monitoring voor epilepsie. Deze patiënten hadden elektroden geplaatst diep in hun hersenen, evenals een high-density kap met sensoren op hun hoofdhuid. Terwijl de patiënten wakker waren, stimuleerden de onderzoekers de nervus medianus in hun polsen met een milde elektrische puls. Omdat de patiënten konden rapporteren of ze de puls voelden, hadden de onderzoekers een perfecte 'ground truth' om de hersensignalen mee te vergelen. Ze gebruikten een computermodel om de relatie te leren tussen de elektrische activiteit op de hoofdhuid en de specifieke, aanhoudende elektrische respons die optreedt in de operculo-insulaire regio van de hersenen — een diep gebied dat geassocieerd wordt met bewust voelen. Het model werd getraind om de rommelige, complexe signalen van de hoofdhuid te nemen en deze te vertalen naar een voorspelling van wat er diep in de hersenen gebeurt.
Zodra het model getraind was, testte het team het op een volledig nieuwe groep gezonde vrijwilligers. Deze deelnemers ontvingen vergelijkbare zenuwprikkels, maar werd gevraagd om te rapporteren of ze elke puls wel of niet voelden. De onderzoekers pasten hun getrainde model toe op de hoofdhuidopnames van deze nieuwe deelnemers zonder enige instellingen te wijzigen. Ze ontdekten dat wanneer de deelnemers de stimulus voelden, het model een sterke, aanhoudende elektrische respons in de diepe hersengebieden voorspelde. Wanneer de deelnemers de stimulus niet voelden, was de voorspelde respons zwak of afwezig. Cruciaal was dat deze methode consistent werkte voor elke persoon die getest werd in deze ontwikkelingsset. In tegenstelling tot de oudere methode, die faalde om bewustzijn bij veel individuen te onderscheiden vanwege natuurlijke variaties in hersenvorm en signaaltiming, slaagde deze nieuwe aanpak erin om het "gevoelde" van het "ongevoelde" te scheiden voor de deelnemers in de ontwikkelingsset. De auteurs merken echter op dat omdat de beslissingsdrempel werd afgeleid en geëvalueerd met dezelfde dataset, deze volledige scheiding de prestaties van de ontwikkelingsset weerspiegelt in plaats van een onbevooroordeelde schatting van de sensitiviteit en specificiteit in een nieuwe populatie.
Om te testen hoe robuust dit instrument werkelijk was, pasten de onderzoekers exact hetzelfde model en dezelfde beslissingsregels toe op een derde groep mensen die ofwel wakker waren of in een zeer diepe slaapfase verkeerden. In dit experiment rapporteerde niemand wat ze voelden; het enige verschil was hun staat van bewustzijn. Het model, dat nooit getraind was om het verschil te zien tussen wakker zijn en slapen, identificeerde succesvol de staat van elke deelnemer. Wanneer de proefpersonen wakker waren, voorspelde het model de aanwezigheid van het signaal van bewustzijn. Wanneer zij in een diepe slaap waren, verdween het signaal. Dit gebeurde ook al was het model alleen getraind op data van mensen die wakker waren en hun gevoelens rapporteerden. Het feit dat dezelfde wiskundige regels het verschil konden maken tussen een bewuste, wakkere hersenactiviteit en een diepe slaap, suggereert dat de methode een fundamenteel biologisch verschil in hoe de hersenen sensatie verwerken, vastlegt. De onderzoekers waarschuwen echter dat dit resultaat niet geïnterpreteerd moet worden als een onafhankelijke validatie van het vermogen van de methode om perceptie te classificeren, aangezien bewuste gedachten kunnen voorkomen tijdens de diepe slaap en er geen trial-by-trial rapportages beschikbaar waren om te bevestigen wat de deelnemers daadwerkelijk ervoeren.
De studie vergeleek deze nieuwe aanpak ook direct met de traditionele methode van het zoeken naar de specifieke spanningsdip op de hoofdhuid. Hoewel de traditionele methode een verschil liet zien tussen gevoelde en ongevoelde stimuli wanneer er naar de groep als geheel werd gekeken, bood het geen duidelijk antwoord voor veel individuen. Bij sommige mensen zagen de hersengolven eruit alsof ze zich bewust waren, terwijl ze bij anderen eruit zagen alsof ze dat niet waren, zelfs wanneer zij hetzelfde rapporteerden te voelen. De nieuwe methode, die de onderzoekers 'Scalp Estimated Tonicity' noemen, bood een duidelijk en consistent antwoord voor elk individu in de ontwikkelingsset. Het bereikte een volledige scheiding in de testgroepen, waarbij de staat van bewustzijn correct werd geïdentificeerd voor elke persoon in de waakzaamheids- en slaaptests, en voor elke persoon in de perceptietests.
Dit werk beweert niet het mysterie van het bewustzijn te hebben opgelost, noch suggereert het dat het instrument klaar is voor onmiddellijk gebruik in elk ziekenhuis. De studie werd uitgevoerd op een relatief klein aantal mensen, en het model werd getraind op data van patiënten met epilepsie, hoewel de contacten die voor het model werden gebruikt, gekozen waren uit gezond hersenweefsel. De onderzoekers erkennen dat het instrument verdere tests nodig heeft in klinische omgevingen met patiënten die niet kunnen communiceren, om te zien of het betrouwbaar bewustzijn kan detecteren in condities zoals coma of vegetatieve staten. De resultaten demonstreren echter een duidelijke weg voorwaarts. Door machine learning te gebruiken om de kloof te overbruggen tussen wat we op de hoofdhuid kunnen zien en wat er diep in de hersenen gebeurt, hebben de onderzoekers een niet-invasief instrument gecreëerd dat veel betrouwbaarder is dan eerdere methoden. Het biedt een manier om te luisteren naar het interne gesprek van de hersenen over sensatie, wat potentieel een stem geeft aan hen die niet voor zichzelf kunnen spreken.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.