HomeNieuwsAI geeft betrouwbare prognose bij coma

AI geeft betrouwbare prognose bij coma

Van de patiënten die na een hartstilstand zijn gereanimeerd, belandt een deel op de intensive care – zij zijn dan in coma en hun vooruitzichten zijn onzeker. Hoe kun je dan een prognose stellen die betrouwbaar is? Onderzoekers van de Universiteit Twente en het ziekenhuis Medisch Spectrum Twente passen hiervoor kunstmatige intelligentie (AI) toe: een computersysteem herkent EEG-patronen en blijkt met grote betrouwbaarheid een goede of slechte prognose te kunnen geven. Daarmee is het een belangrijk aanvulling op beoordeling door de arts. De onderzoekers presenteren hun nieuwe benadering in het journal Critical Care Medicine.

In Nederland belandt ongeveer een derde van de mensen die een hartstilstand hebben gehad en zijn gereanimeerd, op de intensive care. Deze patiënten, ongeveer 7000 per jaar zijn in coma. Meer dan de helft zal niet meer ontwaken uit hun coma. De familie zal snel willen weten wat de prognose is en, mocht hun familielid of vriend bijkomen, wat de kwaliteit van leven dan zal zijn. De vraag ‘wel of niet doorbehandelen?’ vraagt om een zeer zorgvuldige inschatting. Een van de mogelijkheden, tot nu toe, is de SEPP-meting: als een elektrisch signaal op de pols niet meer doordringt tot de hersenen, is de prognose slecht. Veel informatie geeft ook het EEG-signaal - elektrische signalen van de hersenen, gemeten met elektroden op het hoofd. In het nu gepresenteerde onderzoek, is de analyse van de EEG’s geautomatiseerd en geeft de computer een prognose die zeer betrouwbaar blijkt te zijn. Twaalf uur na de reanimatie weet het lerende systeem een slechte prognose te voorspellen met 58% nauwkeurigheid en een goede prognose met 48%. Hiermee scoort het systeem beter dan de mens. Het kan ook aangeven ‘ik weet het niet’, als op basis van het EEG geen duidelijke prognose mogelijk is.

Rijk aan informatie

Eerder al, in haar proefschrift in 2014, pleitte Technisch Geneeskundige Marleen Tjepkema, eerste auteur van het artikel, voor de inzet van EEG bij de beoordeling van de prognose. Samen met haar collega’s gaat zij daarin nu een stap verder en laat zij een ‘deep learning network’ naar de EEG-patronen kijken. Dit netwerk is eerst getraind met ongeveer 600 EEG-patronen uit verschillende ziekenhuizen. Het kreeg daarbij geen aanwijzingen waar het op moet letten. Vervolgens is het systeem gevoed met 300 EEG’s, om te zien hoe het presteert in het stellen van een prognose. Ook neurologen in opleiding moeten honderden EEG-patronen beoordelen om voldoende ervaring op te doen. Een ervaren neuroloog vertelt hen dan waarop ze moeten letten. Toch is het EEG-signaal zo rijk aan informatie dat ook de ervaren neuroloog niet alles ziet, is al eerder gebleken.

Toepassing op IC

Het getrainde netwerk kan een EEG van de comapatiënt vervolgens in een fractie van een seconde beoordelen. Dit oordeel is een waardevolle aanvulling op de menselijke waarneming. Ook is het flexibel: op elk moment van de dag kan een analyse worden gemaakt. Toepassing op de intensive care moet uitwijzen of ook de intensivist de nieuwe methode als een goede aanvulling ziet.

In vervolgonderzoek wordt onder meer preciezer gekeken naar het leerproces zélf: kun je, in plaats van het neurale netwerk te zien als een black box, ook de leerstappen transparant maken, zodat je zelf ook kunt leren van de gemaakte keuzen? Hiervoor werken de neurofysiologen ook samen met informatici van de Universiteit Twente. Lerende netwerken worden in de medische wereld ook al gebruikt voor bijvoorbeeld het classificeren van huidaandoeningen of het interpreteren van röntgenfoto’s.

Het onderzoek is uitgevoerd door de afdeling Clinical Neurophysiology van de Universiteit Twente (Technical Medical Centre) en het Neurocentrum van het Medisch Spectrum Twente. Verder is samengewerkt met de afdeling Intensive Care van hetzelfde ziekenhuis, en met het Rijnstate Ziekenhuis in Arnhem, het St. Antonius Ziekenuis in Nieuwegein, UMCG in Groningen en VieCurie Medisch Centrum in Venlo.

Het paper ‘Outcome prediction in postanoxic coma with deep learning’ door Marleen Tjepkema-Cloostermans, Catarina da Silva Lourenço, Barry Ruijter, Selma Tromp, Gea Drost, Francois Kornips, Albertus Beishuizen, Frank Bosch, Jeannette Hofmeijer en Michel van Putten, verschijnt in Critical Care Medicine (online 3 juni). 

ir. W.R. van der Veen (Wiebe)
Persvoorlichter (aanwezig ma-vr)
+31 53 489 4244 | +31 6 12185692
 w.r.vanderveen@utwente.nl
Gebouw: Spiegel Tuin