Biomedya - Biyoteknoloji & Yaşam Bilimleri

Araştırmacıların ön çalışmasında, normal gündüz faaliyetleri sırasında epileptik hastaların ultra-vadeli kayıtlarında invaziv olmayan cihazlar ile başarılı nöbet tahmin bildirdiği görüldü. Çalışma, beyin aktivitesini doğrudan ölçmeden güvenilir nöbet tahmininin mümkün olduğunu göstermektedir.

Nöbetlerin öngörülemezliği, özellikle gün boyunca tekrarlayan nöbetleri olanlar için epilepsili kişilerin aktivitelerini sınırlayan önemli bir faktördür. Güvenilir nöbet tahmini, potansiyel olarak bu bireylerin aktivitelerini değiştirmelerine, hızlı etkili bir ilaç almalarına ve/veya yaklaşan nöbetleri önlemek veya yönetmek için nöromodülasyon tedavisini artırmalarına olanak sağlayabilir.

Çalışma ekibi, ilaca dirençli epilepsisi olan ve Mayo Clinic'te klinik bakımlarının bir parçası olarak implante edilen duyarlı bir nörostimülasyon cihazı ( NeuroPace RNS sistemi ) ile tedavi edilen altı hastayı işe aldı. NeuroPace RNS, beyin tarafından üretilen elektriksel aktivitenin kaydedildiği kronik intrakraniyal elektroensefalografi (iEEG) izleme sağlar. RNS sistemi ayrıca şüpheli nöbet aktivitesi olan iEEG zaman serisi dönemlerinin depolanmasını tetiklemek ve terapötik stimülasyonu tetiklemek için klinisyen tanımlı dedektörler kullanır. 

Cihaz, yüklemeler arasında yalnızca sekiz iEEG veri klibi depolayabildiğinden, araştırmacılar yalnızca yükleme başına klip geçmişi sekiz veya daha az olan hastaları işe aldı. Ayrıca, nöbet olaylarını kaçırmadıklarından emin olmak için hastalardan nöbet aktivitesi olmayan (yanlış pozitifler) klipler saklamalarını istediler.

Katılımcılar, 3 eksenli ivme ölçümü (vücut hareketini izlemek için), kan akışı, kalp atış hızı, vücut ısısı ve cildin elektriksel özellikleri dahil olmak üzere fizyolojik verileri minimum düzeyde kaydeden bilek tabanlı bir kayıt cihazı ( Empatica E4 bileklik ) taktı. Yüklenen veriler, kaydedilen bir nöbet başlangıcından en az 15 dakika önce verileri analiz etmek için tasarlanmış uzun kısa süreli bellek tekrarlayan bir sinir ağı algoritması tarafından işlendi.

Baş araştırmacı Benjamin Brinkmann ve meslektaşları, sistemin altı çalışma katılımcısından beşi için nöbet tahminini rastgele bir tahmin ediciden önemli ölçüde daha iyi gerçekleştirdiğini ve nöbet uyarılarının EEG tarafından kaydedilen nöbet başlangıcından ortalama 33 dakika önce meydana geldiğini bildirdi. Rastgele tahminden önemli ölçüde daha iyi performans göstermeyen bir hasta, her gün birden fazla nöbet geçirirken, diğer denekler daha az sıklıkta nöbet geçirdi. Bilek bandından gelen bireysel veri sinyallerinin göreceli katkılarına bakıldığında, sonuçlara en yüksek katkıyı günün saati girişi gösterdi. 

Araştırmacılar, güçlü bir sirkadiyen paterni olan hastaların, olmayanlara göre daha iyi sonuçlara sahip olabileceğini öne sürüyorlar. İvmeölçer, elektrodermal aktivite ve sıcaklık dahil olmak üzere diğer ölçülen sinyaller de genel doğruluğa önemli ölçüde katkıda bulundu, ancak katkıları hastadan hastaya farklılık gösterdi. Bu beş hastadaki nöbet uyarıları, hızlı etkili ilaçları uygulamak veya nöromodülasyon tedavisini artırmak için yeterli uyarı süresi sağladı diye yazıyorlar. Ek hastalar alındı ​​ve şu anda çalışmayı genişletmek için verileri kaydediyorlar.

Brinkmann; “Giyilebilir cihazlarla yapılan bu araştırmanın, nöbet tahminini gelecekte klinik uygulamaya entegre etmenin yolunu açacağını umuyoruz. Bu bulguların ileriye dönük bir klinik çalışmada daha büyük bir kohortta tekrarlanması gerekiyor, ancak çalışmamız invaziv cihazlar olmadan nöbet tahmininin mümkün olduğunu gösteriyor." dedi.