Kwantificering van het risico op operatiegerelateerde afasie na verwijdering van een hersentumor

Kwantificering van het risico op operatiegerelateerde afasie na verwijdering van een hersentumor

Kunnen chirurgen het risico op afasie bij het verwijderen van een hersentumor kwantificeren? Om hier achter te komen analyseren onderzoekers van de Rechts der Isar Kliniek van de Technische Universiteit van München (TUM) de hersenen als een netwerk. In een recent onderzoek met 60 patiënten bereikten ze een trefferpercentage met driekwart van hun voorspellingen.

Mit einer speziellen Form der Magnetresonanztomographie, der sogenannten Traktographie, erstellen Wissenschaftler der TUM 3D-Darstellungen der Netzwerke von Nervenbahnen im Gehirn. Bildnachweis: Technische Universität München (TUM)

Hersentumoren zijn relatief zeldzaam. Volgens de Duitse Vereniging voor Neurologie bedraagt ​​de jaarlijkse incidentie ongeveer vijf gevallen per 100.000 inwoners. “Maar in de meeste gevallen is chirurgische verwijdering van de tumor onvermijdelijk”, zegt prof. Sandro Krieg, die schat dat een glioom – een veel voorkomende vorm van hersentumor – wordt verwijderd in het Klinikum Rechts der Isar van de Technische Universiteit van München (TUM). “Bijna elke dag.”

Afhankelijk van de tumor ontwikkelen Krieg en zijn collega's individuele behandelings- en chirurgische strategieën. Een cruciaal punt: gezond weefsel moet zoveel mogelijk worden gespaard en er mogen geen structuren worden beschadigd die tot verdere beperkingen kunnen leiden. ‘afasie’ is bijvoorbeeld de term voor postoperatieve taalstoornissen. “We willen vóór de operatie precieze kennis hebben over het risico op afasie.”

De hoofdarts van de neurochirurgische kliniek van de Rechts der Isar Kliniek werkt al meer dan 10 jaar aan preoperatieve hersenkartering. ‘We kennen al lang de centrale locaties in de hersenen die verantwoordelijk zijn voor functies zoals beweging of taal. Maar pas de afgelopen vijf jaar zijn we begonnen met het analyseren van het hersennetwerk om te leren hoe de verschillende regio’s samenwerken, bijvoorbeeld om iemand in staat te stellen te spreken. Eén ding is duidelijk: er is geen taalcentrum als zodanig. In plaats daarvan lijkt de structuur meer op verschillende hubs of knooppunten van een groot netwerk waardoor taal mogelijk wordt gemaakt.’

Hersentumor: voorspellingen door middel van machinaal leren

De analyse van de netwerkeigenschappen van de hersenen - de zogenaamde connectoomanalyse - een procedure die het team van prof. Krieg al ongeveer twee jaar gebruikt - speelt een sleutelrol in het huidige onderzoek. “Op deze manier kwantificeren we de verbindingen in individuele hersengebieden”, zegt prof. Krieg. “We zijn nu begonnen preciezere functies toe te wijzen aan hersengebieden.”

eBook over neurowetenschappen

Compilatie van de beste interviews, artikelen en nieuws van het afgelopen jaar. Download een gratis exemplaar

De TUM-wetenschappers Dr. Haosu Zhang en Dr. Sebastian Ille hebben anatomische beelden in kaart gebracht van de lagen van de hersenen die verantwoordelijk zijn voor taalvaardigheid. Het proces is als volgt: “Met behulp van een speciale vorm van magnetische resonantiebeeldvorming, tractografie, creëren we 3D-representaties van de netwerken en subnetwerken van zenuwbanen in de hersenen”, legt Zhang uit.

Deze netwerkanalyse wordt ondersteund door de methode van genavigeerde transcraniële magnetische stimulatie, waarbij een gerichte magnetische puls zenuwcellen remt in vezelkanalen die verantwoordelijk zijn voor de taal. Hierdoor ervaart de patiënt een tijdelijke spraakstoornis, die kan worden gedetecteerd in videoanalyse. Hiermee kunnen onderzoekers nauwkeurig de hersengebieden identificeren die verantwoordelijk zijn voor taal.

We combineren de zogenaamde connectoomparameters uit de tractografie met informatie over de spraakfunctie van de patiënt.”

Dr. Haosu Zhang, TUM-wetenschapper

Het bijzondere aan het algoritme van Zhang en Ille is dat het ‘statistisch significante parameters’ oplevert: gegevens die kunnen worden gebruikt om een ​​machine learning-model te trainen en zo de taal van individuele patiënten te lokaliseren. Hoe complex de toepassing van de verschillende analysemethoden ook mag lijken, het belangrijkste kenmerk van de methode is de eenvoud ervan: het hele analyseproces werkt zonder complexe algoritmen of krachtige computers. “De gegevens die we gebruiken zijn afkomstig van routinematige ziekenhuistests”, zegt Zhang.

Netwerkanalyse: 73 procent nauwkeurigheid bij het voorspellen van taalstoornissen

In een recent onderzoek onder 60 patiënten hebben onderzoekers van de Rechts der Isar Kliniek aangetoond dat deze gecombineerde analyse met aanzienlijke nauwkeurigheid (73%) kan voorspellen of een operatie tot taalproblemen zal leiden (postoperatieve afasie). “Het is heel belangrijk om deze voorspellingen te kunnen doen”, zegt Krieg. Hij is enthousiast over de mogelijkheid om risico's nauwkeuriger te kwantificeren door middel van 'echte netwerkanalyse' en over concrete gegevens te beschikken om de hersenen in kaart te brengen.

Sterker nog: met behulp van machine learning worden de voorspellingen in de loop van de tijd nog beter. Maar om dit te doen hebben de onderzoekers meer patiëntgegevens nodig om de machine learning-algoritmen te trainen. “Het is de enige aanpak die big data kan gebruiken om het risico van een chirurgische ingreep te voorspellen”, zegt prof. Krieg, die nu van plan is meer patiënten te rekruteren voor zijn onderzoek. Hij gelooft dat slechts “een paar honderd” patiënten genoeg zullen zijn voor zeer nauwkeurige voorspellingen.

Bron:

Technische Universiteit München (TUM)

Referentie:

Ille, S., et al. (2022) Preoperatieve functiespecifieke connectoomanalyse voorspelt operatiegerelateerde afasie na glioomresectie. Het menselijk brein in kaart brengen. doi.org/10.1002/hbm.26014.

.