Onderzoek en recente vooruitgang in epilepsiechirurgie
Can computer models help us improve the planning of epilepsy surgery?
Het optreden van aanvallen kan een grote belasting vormen voor de kwaliteit van leven van mensen die aan epilepsie lijden. Wanneer anti-epileptische medicatie niet voldoende is om de aanvallen te onderdrukken, overweegt het klinische team vaak een resectieve operatie: het doel is dan om de hersengebieden die de aanvallen opwekken of veralgemenen te verwijderen. Maar het resultaat is niet zo goed als we zouden willen: momenteel blijft ongeveer 1 op de 3 patiënten die een epilepsieoperatie ondergaan daarna aanvallen houden. Om dit resultaat te verbeteren, zodat patiënten meer kans hebben om na de resectie aanvalsvrij te zijn, ontwikkelen we in Amsterdam UMC een computermodel, op maat gemaakt voor elke individuele patiënt, dat ons zal helpen bij het bepalen van de beste resectie voor elk geval.
Algemene Introductie
Basisbegrippen bij de studie naar hersenaandoeningen
Computer Modellen
Hoe werken computermodellen van aanvallen?
Over ons
Ontmoet de onderzoekers betrokken bij die onderzoek en lees over ons huidige werk
Model Demo
Visualiseer hoe aanvallen zich voortplanten in het model en test verschillende resectie strategieën
Discussion Forum
Op ons discussie forum kan je je vragen of opmerkingen plaatsen en in contact komen met het onderzoeks team
Onze pseudo-prospectieve studie is gepubliceerd in het peer-reviewed tijdschrift Network Neuroscience: https://doi.org/10.1162/netn_a_00361
In het themanummer van december 2023 (“Van focus naar netwerk voor de behandeling van epilepsie, een paradigmashift?”) hebben wij een overzicht gegeven van het project. Hierin vatten we de belangrijkste methodologische ontwikkelingen en resultaten van onderstaande wetenschappelijke artikelen samen. Voor details, zie: https://epilepsiejournal.nl/article/view/18473/20216
In deze preprint beschrijven we hoe het model toegepast kan worden in de klinische praktijk. In de klinische praktijk is voor de operatie alleen de informatie van verschillende scans (EEG, MEG, MRI, PET) en klinische informatie beschikbaar. Deze informatie hebben we gebruikt om voor elk hersengebied de kans te schatten dat daar de aanvallen beginnen, en vervolgens kon het model nauwkeurig aangeven hoe waarschijnlijk een voorgestelde resectie leidt tot aanvalsvrijheid. Als het model een slechte uitkomst voorspelt, is dat een indicatie dat meer pre-chirurgische scans nodig zijn, of dat een alternatieve resectie strategie gewenst is. Informatie uit ons model kan gebruikt worden om zulke (optimale) alternatieve resectie strategieën te suggereren.
Delen van onze resultaten
De gemodelleerde aanvallen verspreiden zich op het hersennetwerk dat is afgeleid van de MEG van een patiënt en we hebben aangetoond dat het model de fundamentele aspecten van klinisch waargenomen aanvalsverspreiding vastlegt. We laten verder zien dat onze methode kan worden gebruikt om virtuele resecties in silico te testen, om zo optimale (kleinere of alternatieve) resectiestrategieën te vinden.
