Multimodale epileptische aanvalsdetectie: een draagbare oplossing

Epilepsie is een van de meest voorkomende neurologische aandoeningen, die bijna 1% van de bevolking wereldwijd treft. Anti-epileptica zorgen voor een adequate behandeling van ongeveer 70% van de epilepsiepatiënten. De overige 30% van de patiënten krijgt nog steeds aanvallen, wat hun kwaliteit van leven drastisch beïnvloedt. Om de werkzaamheid van anti-epileptica voor deze patiënten op te volgen, is een objectieve manier nodig om aanvallen te registreren en documenteren. In een thuisomgeving is een van de grootste problemen echter dat de aanvalsdagboeken die door patiënten worden bijgehouden, onbetrouwbaar zijn.

Geautomatiseerde systemen voor het detecteren van aanvallen zijn nodig om aanvallen objectief te kwantificeren. Die detectiesystemen zijn meestal gebaseerd op elektro-encefalografie (EEG), waarbij electroden verspreid over het volledige hoofd, worden geplaatst. In een thuisomgeving is zo een volledige EEG van beperkt nut omdat patiënten niet tolereren om gedurende lange tijd dit apparaat te dragen tijdens het dagelijks leven. Er is behoefte aan ambulante aanvalsdetectiesystemen met draagbare sensoren. In dit proefschrift ligt de focus op focale aanvallen, aangezien er voor deze groep geen bestaande effectieve en niet-invasieve oplossingen voor het opsporen van aanvallen in een dagelijkse omgeving op de markt zijn. Het doel van dit proefschrift is de ontwikkeling van een offline algoritme voor het detecteren van aanvallen om automatisch een dagboek voor aanvallen te maken. Er waren drie belangrijke bijdragen: detectie van aanvallen met behulp van elektrocardiografie (ECG)/ photoplethysmografie (PPG), detectie van aanvallen met behulp van EEG opgemeten achter het oor, en multimodale detectie van aanvallen met behulp van ECG en EEG opgemeten achter het oor.

Focale aanvallen, vooral temporale focale aanvallen, die het meest voorkomen bij de populatie van focale epilepsie, zijn geassocieerd met veranderingen in het autonome zenuwstelsel, in het bijzonder het cardiovasculaire systeem. Het is aangetoond dat aanvallen van de temporale kwab vaak gepaard gaan met een sterke verhoging van de hartslag. Die hartslagverhogingen kunnen worden gemeten met behulp van elektrocardiografie (ECG). De meeste van de gepubliceerde artikelen gebruiken ECG die zijn opgenomen met bedrade elektroden gebruik makende van ziekenhuisapparatuur. Een draagbare oplossing heeft echter de voorkeur. Bovendien kunnen ECG elektroden ongemakkelijk zijn en na een paar dagen huidirritatie veroorzaken. Een andere manier om hartslag te meten, is door een photoplethysmografie (PPG) sensor in een smartwatch te gebruiken. PPG maakt gebruik van gereflecteerd licht om veranderingen in lichtabsorptie te meten, veroorzaakt door veranderingen in het bloedvolume als gevolg van hartslagen. De accuraatheid van aanvalsdetectie met een draagbare PPG en ECG sensor werden vergeleken met die van ECG gemeten met ziekenhuisapparatuur. De sensitiviteiten van ECG gemeten met het ziekenhuissysteem, de draagbare ECG sensor en de draagbare PPG sensor waren respectievelijk 57%, 70% en 32%, met bijbehorende foutieve alarmen van 1,92, 2,11 en 1,80 per uur. De accuraatheid van de PPG sensor voor het detecteren van aanvallen was aanzienlijk lager, terwijl de accuraatheid van de draagbare ECG sensor vergelijkbaar was met het ECG apparaat van het ziekenhuis.

Aanvalsdetectiesystemen op basis van alleen de hartslag hebben ongeveer 2 foutieve alarmen per uur, wat te hoog is voor praktisch gebruik. EEG kanalen achter het oor kunnen ook worden opgemeten met een draagbaar apparaat. Ten eerste werd de herkenning van ictale patronen met deze EEG kanalen onderzocht, resulterend in 65,7% sensitiviteit en 94,4% specificiteit. Ten tweede werd een geautomatiseerd algoritme voor het detecteren van aanvallen ontwikkeld met alleen die specifieke EEG kanalen achter het oor. Bij gebruik van de annotaties van herkende epileptische aanvallen, behaalde het geautomatiseerde algoritme 64,1% sensitiviteit en 2,8 foutieve alarmen per 24 uur met het patiëntonafhankelijke model. Het patiënt specifieke model behaalde een sensitiviteit van 69,1% en 0,49 foutieve alarmen per 24 uur.

In de meeste gevallen worden algoritmen voor het detecteren van aanvallen in de literatuur ontwikkeld met behulp van slechts één modaliteit. Het combineren van verschillende modaliteiten kan echter leiden tot betere performanties. Een multimodaal geautomatiseerd algoritme voor het detecteren van aanvallen dat de informatie van EEG opgemeten achter het oor en ECG combineert, werd ontwikkeld om focale aanvallen te detecteren. In dit kader hebben we de toegevoegde waarde van ECG vergeleken met EEG kanalen achter het oor met behulp van een multicenter dataset. Het multimodale algoritme presteerde beter dan de EEG-gebaseerde aanvalsdetectie in twee van de drie databases met een toename in sensitiviteit van 10% en 8% voor hetzelfde aantal foutieve alarmen.