Epilepsi Nyhedsbrevet

Der er en rivende udvikling i små, bærbare apparater, der kan detektere og forudsige epileptiske anfald. Samtidigt åbner maskinlæring og ny teknologi op for nye muligheder for at stimulere hjernen, så anfald kan forebygges.

Teknologiske landvindinger har gennem de seneste år ført til udvikling af elektroniske apparater, der kan behandle epileptiske anfald ved hjælp af neurostimulation, eller opdage tidlige tegn på, at et epileptisk anfald er på vej.
Disse to forskningsområder var genstand for flere præsentationer ved årets virtuelle 34th International Epilepsy Congress (IEC 2021), og på et opfølgende Post IEC møde 6. oktober blev fremskridtene opsummeret af klinisk neurolog og professor Jukka Peltola fra Tampere University Hospital i Finland.
De første apparater, der allerede siden 1997 blev udviklet til behandling af epilepsi hos patienter, som ikke kan holdes anfaldsfri med medicin, er vagusnervestimulation (VNS) og responsiv neurostimulation (RNS). VNS var oprindeligt et såkaldt open-loop system, hvor vagusnerven, som leder op til hjernen, stimuleres med elektriske signaler efter et mønster, der er forprogrammeret til at forebygge epileptiske anfald.
RNS er derimod et closed-loop system, som konstant overvåger patientens hjerneaktivitet og afgør, om et anfald er undervejs, hvorefter systemet sender skræddersyede elektriske signaler gennem elektroder dybt ind i hjernen, hvor de neutraliserer anfaldet.
Jukka Peltola peger på tre særligt interessante studier fra IEC. Det ene beskæftiger sig med en videreudvikling af VNS til et closed-loop system, hvor stimuleringen af vagusnerven er tilpasset patientens akutte situation. Derved sender nerven signaler til hjernen, der er skræddersyet til at neutralisere et epileptisk anfald under opsejling. Foreløbige resultater tyder på, at closed-loop VNS virker bedre og hurtigere end den traditionelle open-loop VNS, men der mangler stadig viden om, hvordan man bedst bruger systemet i praksis.

Mangler data
To andre systemer, der blev omtalt, benytter sig ligesom RNS af elektroder, der stimulerer dybtliggende hjerneområder i henholdsvis hippocampus og thalamus, der begge er involveret i epileptiske anfald. Stimulering af hippocampus foregår efter en forprogrammeret, open-loop model, mens stimulering af thalamus udføres af en skræddersyet closed-loop model. Ingen af disse to systemer er færdigudviklede, og de eksperimentelle data om effekten er endnu begrænsede.
Et af problemerne ved neurostimulation som behandling mod epilepsi er imidlertid, at alle patienter ikke responderer lige godt på behandlingen. Det vil derfor være værdifuldt, om man på forhånd kan screene patienterne og identificere dem, der vil have mest gavn af neurostimulation. Her fremhæver Jukka Peltola et studie, hvor forskerne har benyttet EEG til at måle en gruppe patienters individuelle hjerneaktivitet, og ved hjælp af statistiske modeller bliver disse målinger omsat til et mål for hver enkelt patients modtagelighed for neurostimulation.
Metoden er endnu ikke færdigudviklet, men de foreløbige resultater tyder på, at jo mere patientens hjerneaktivitet ligner aktiviteten hos en rask person, desto større er chancerne for, at vedkommende vil respondere på behandlingen.

Smartphones og armbånd
Jukka Peltola pointerer, at der på IEC blev omtalt mange nye ikke-invasive apparater i form af armbånd eller smartphones, der enten kan detektere og kategorisere et igangværende epileptisk anfald eller forudsige et anfald under opsejling.
Et eksempel er en app, der installeres på patientens smartphone, og som benytter kamera og mikrofonen til at registrere bevægelser og lyde, som er karakteristiske for en patient med epileptiske anfald. Med denne app kunne smartphonen detektere og kategorisere fem forskellige typer epileptiske anfald, for eksempel toniske anfald, hvor hele kroppen stivner, og kroppen står som en flitsbue, samt kloniske anfald, hvor der er trækninger og rykninger i arme og ben.
I et andet studie bar patienterne et armbånd, som med sensorer kan registrere patientens puls, temperatur, bevægelser og sved på huden. Ved hjælp af maskinlæring kunne disse data bruges til at detektere og forudsige epileptisk anfald.
Selvom resultaterne ifølge Jukka Peltola endnu ikke er overbevisende, så tegner de meget lovende. Det samme gælder et lille apparat, der opereres ind under hjerneskallen og konstant måler patientens hjerneaktivitet med EEG. Ved hjælp af EEG-målingerne kan apparatet registrere, hvor hyppigt patienten har anfald, og fordi det er udviklet til at fungere i måneds- og årevis, kan det også benyttes til patienter, der kun sjældent har anfald.

Skrevet af Gorm Palmgren