Geautomatiseerde analyse van de EEG achtergrond activiteit voor de voorspelling van neurologische prognose bij prematuren.

Circa 10 procent van alle babies wordt te vroeg geboren. Dit betekent dat ongeveer 15 miljoen baby’s wereldwijd geboren wordt vóór de 37e week van de zwangerschap. Ongeveer een derde van de opnames in de Neonatal Intensive Care Unit (NICU) bestaat uit deze groep patiënten. Als gevolg van complicaties van de vroeggeboorte sterven 1 miljoen baby’s, waardoor dit de belangrijkste oorzaak is van neonatale kindersterfte. In het algemeen hebben premature baby’s een hoog risico op neurologische afwijkingen bij de  verdere ontwikkeling na de geboorte. Hoewel door de betere gezondheidszorg de overlevingskansen van pasgeborenen zijn toegenomen, zijn ze gevoelig voor hersenschade en bijgevolg neurocognitieve handicaps.

Tegenwoordig kan belangrijke informatie over het hersenontwikkeling worden afgeleid uit het elektro-encefalogram (EEG). Klinische experts beoordelen visueel de evoluerende EEG kenmerken op zowel korte als lange termijn om de maturatie van risicopatienten te evalueren en, indien nodig, neuroprotectieve behandeling op te starten. Echter, (semi-) automatische monitoring van objectieve en kwantitatieve EEG variabelen en het gevalideerd gebruik hiervan, is bijna onbestaande bij pasgeborenen, terwijl hiernaar grote behoefte bestaat in de NICU. Om hieraan tegemoet te komen, was het doel van dit promotieonderzoek ondersteunende software te ontwikkelen voor de automatische analyse van premature EEG patronen.

Het eerste deel van dit werk onderzoekt de mogelijkheid om de ontwikkeling in de discontinuiteit van het EEG patroon te kwantificeren. Corticale hersenactiviteit wisselt tussen twee verschillende niveaus van activiteit: periodes van relatieve rust (interburst intervallen of IBIs) worden onderbroken door periodes van spontane activiteit (burst). Als een teken van ontwikkeling zal dit discontinu EEG patroon evolueren naar een continu patroon. We hebben een nauwkeurig burst detectie algoritme ontwikkeld op basis van de lijn lengte (LL) informatie. De suppressie curve (SC) wordt op basis van deze LL kenmerken bepaald, en reflecteert de mate van discontinuïteit. Zowel SC karakteristieken, als de IBI lengtes tonen statistisch significante correlatie met de postmenstruele leeftijd. Bovendien kan de verandering van een discontinu naar een continu patroon worden weergegeven met het LL histogram. Een subset van relevante histogram kenmerken is afgeleid en dan gecombineerd in een EEG maturatie-index, die veelbelovend lijkt voor geautomatiseerde EEG evaluatie.

Het tweede deel van dit werk onderzoekt de functionele connectiviteit in de hersenen bij zowel gezonde patiënten als patiënten met een neurologische ontwikkelingsstoornis. De klinische evaluatie van interhemisferische symmetrie en synchronie gebeurt nog steeds op basis van visuele en kwalitatieve EEG inspectie zonder gebruik van kwantificeerbare definities. De mate van symmetrie wordt bepaald met de kanaal symmetrie-index, die vervolgens met behulp van een Support Vector Machine pathologische asymmetrie onderscheidt van fysiologische asymmetrie. Interhemisferische synchronie (IHS) wordt berekend aan de hand van een kwantitatieve maat, de activatie synchronie index (ASI). Op terme leeftijd, blijkt dit een objectieve parameter te zijn om normale neonatale hersenfunctie te kwantificeren. Er wordt een significante correlatie gevonden met de klinische, visuele beoordeling (normaal versus abnormaal). Bovendien wordt een robuuste en statistisch significante stijging van de ASI parameter waargenomen bij de vroege ontwikkeling van synchronie van corticale activiteit. Op basis van deze resultaten, kunnen we stellen dat de ASI-gebaseerde kenmerken een diagnostische waarde verschaffen. Dit geldt zelfs voor individuele patienten, wat het gebruik als een functionele biomarker ondersteunt.

We kunnen concluderen dat het mogelijk is om EEG patronen kwantitatief te evalueren over langere tijdsintervallen en op deze manier ook risicopatiënten te identificeren. De kennis en expertise van de medische deskundigen wordt bijeengebracht in de geïmplementeerde algoritmes, die zich automatisch aanpassen aan de individuele patiënt. Een set van EEG indexen wordt gerapporteerd, die veelbelovend is voor de totstandkoming van premature ontwikkelings grafieken. Op basis van deze feature set kunnen afwijkingen op de normale hersenontwikkeling worden opgespoord. Op deze manier kan een geautomatiseerde en objectieve analyse de visuele EEG evaluatie aanzienlijk verlichten. Het kan daarom van grote waarde zijn voor de optimalisering van de neonatale analyse op de NICU. Bovendien opent ons werk mogelijkheden voor een objectieve en betrouwbare kwantificering van therapeutische interventies, en daarbij voor een meer nauwkeurige toediening van medicatie.