Het is lastig om een prognose te stellen voor patiënten die na een hartinfarct in coma raken. Kunstmatige intelligentie kan uitkomst bieden, stellen onderzoekers van onder meer de Universiteit Twente.

Ongeveer een derde van de mensen die na een hartstilstand zijn gereanimeerd, raken in coma en belanden op de intensive care. Meer dan de helft van deze ongeveer zevenduizend patiënten zal niet ontwaken, maar het is voor artsen lastig in te schatten of een individu bij die zevenduizend hoort of niet.


Harde diagnostische waarde

Onderzoekers van de Universiteit Twente en het ziekenhuis Medisch Spectrum Twente hebben een deep learning-systeem ontwikkeld dat EEG-patronen in het brein van de patiënt herkent. Dat systeem kan met grotere betrouwbaarheid dan artsen een goede of slechte prognose geven, als aanvulling op de beoordeling van de behandeld arts. De onderzoekers publiceren deze week over hun werkwijze in het wetenschappelijke tijdschrift Critical Care Medicine. 

'Het systeem biedt sterk ondersteunende informatie met harde diagnostische waarde', stelt neuroloog, klinisch neurofysioloog en hoogleraar Michel van Putten, een van de betrokken onderzoekers. 'Met een EEG maak je een filmpje van de hersenschors, het deel van de hersenen dat het meest en snelst te lijden heeft van zuurstofgebrek. Kunstmatige intelligentie blijkt dat fillmpje net iets beter te kunnen lezen en interpreteren dan wij specialisten.'
 

Geautomatiseerde EEG-analyse

De vraag of doorbehandelen van een comapatiënt al dan niet zinvol is, vereist een uiterst zorgvuldige inschatting. De familie wil weten wat de prognose is en wat de kwaliteit van leven zal zijn wanneer hun familielid mocht ontwaken. Om meer duidelijkheid te krijgen, meten artsen nu onder meer of een elektrische prikkel op de pols doordringt tot de hersenen: is dat niet het geval, dan zijn de vooruitzichten voor de patiënt ongunstig. Die methode werkt echter niet in een gunstiger patiëntbeeld: bij geen prikkel zijn de kansen sowieso slecht, maar komt de prikkel wel aan in de hersenen dan hoeft dat niet te betekenen dat de prognose goed is.

Daarnaast werken artsen vaak met een EEG-signaal, waarbij de elektrische signalen van de hersenen worden gemeten met elektroden op het hoofd. Neurologen in opleiding moeten honderden EEG-patronen beoordelen om 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 een EEG-expert niet alles ziet.

Deze laatste methode hebben de Twentse wetenschappers nu geautomatiseerd. De computer verricht de analyse van de elektrische signalen uit de hersenen en geeft op basis daarvan een prognose.


Neuraal netwerk

Twaalf uur na de reanimatie weet het lerende systeem een slechte prognose te voorspellen met 58 procent nauwkeurigheid en een goede prognose met 48 procent. Daarmee scoort het systeem beter dan artsen, die niet boven de 40 procent uitkomen. Wanneer het EEG geen duidelijkheid biedt, geeft het systeem dat ook aan: ‘ik weet het niet’ is ook een mogelijke uitkomst van de geautomatiseerde analyse. Het systeem komt binnen een fractie van een seconde met zijn prognose. 

De analyse wordt verricht door een neuraal netwerk, dat is getraind met zeshonderd EEG-patronen uit vijf Nederlandse ziekenhuizen, zonder dat het systeem daarbij aanwijzingen kreeg waar het op moet letten. Vervolgens is het systeem gevoed met driehonderd EEG’s, om te zien hoe het presteert in het stellen van een prognose op basis van het EEG-patroon.

 

Een EEG-filmpje.


Altijd beschikbaar

Van Putten is niet erg verrast dat kunstmatige intelligentie beter scoort dan artsen. 'Anderhalf jaar geleden deden we een studie waarbij we deep learning gebruikten om vast te stellen of een EEG van een man of een vrouw was. Het systeem bleek dit direct te kunnen zien, terwijl dit onmogelijk is voor een EEG-expert. Blijkbaar kan een degelijk netwerk informatie uit het EEG halen die we met visuele analyse niet detecteren.'

Een ander voordeel van de inzet van het neurale netwerk is dat het objectief is en altijd beschikbaar. 'Niet in elk ziekenhuis is 24 uur per dag een betrouwbare expert aanwezig die EEG-filmpjes kan analyseren', zegt Van Putten. 'Zo'n specialist is bovendien een stuk duurder dan dit netwerk.'

Het is echter niet zo dat het besluit om de behandeling al dan niet te staken, voortaan enkel op basis van een algoritme zal worden genomen. 'Bij zo'n besluit spelen veel meer factoren een rol en het wordt ook altijd in een team genomen, in overleg met familie', stelt Van Putten. Een besluit over verdere behandeling wordt in de regel pas na twee of drie dagen genomen, legt de neuroloog uit. 'Maar dan kunnen de artsen wel de door het netwerk geanalyseerde EEG van twaalf uur na de reanimatie erbij pakken. Als die al slecht was en ook de andere tekenen zijn ook ongunstig, dan zal het team mogelijk eerder beslissen dat verder behandelen zinloos is.'

 

Scherpe prognose

De onderzoekers hopen dat vervolgonderzoek duidelijk zal maken hoe het neurale netwerk precies komt tot zijn scherpe prognoses. 'Dat wordt een soort hersenonderzoek in een kunstmatig brein', stelt Van Putten. De bedoeling is dat artsen daar uiteindelijk van kunnen leren.

Foto: Depositphotos