Het ontcijferen van de impact van visuele toestanden op feedbacksignalen voor adaptieve diepe hersenstimulatie bij bewegingsstoornissen

Waarom je ogen sluiten belangrijk is voor hersenimplantaten

Voor mensen met de ziekte van Parkinson of dystonie kan diepe hersenstimulatie (DBS) functioneren als een pacemaker voor verkeerd werkende hersencircuits. Nieuwere “adaptieve” DBS-systemen beloven de stimulatie automatisch in real time aan te passen door naar hersensignalen te luisteren. Deze studie toont aan dat iets zo eenvoudigs en normaals als het sluiten van je ogen die signalen sterk kan veranderen, wat betekent dat toekomstige hersenimplantaten eerst de toestand van de persoon moeten begrijpen voordat ze beslissen hoe ze moeten stimuleren.

Hersenpacemakers die leren en zich aanpassen

Traditionele DBS geeft doorlopend elektrische pulsen aan diepe hersengebieden, dag en nacht. Hoewel dit symptomen zoals tremor en stijfheid kan verlichten, kan het ook energie verspillen en soms bijwerkingen veroorzaken, omdat de stimulatie niet verandert als de toestand van de patiënt verandert. Adaptieve DBS probeert dit te verbeteren door de stroom hoger of lager te zetten op basis van “lokale veldpotentialen”, kleine ritmische spanningen die worden opgenomen met dezelfde elektroden die de therapie leveren. Deze ritmes zijn het sterkst in structuren zoals de nucleus subthalamicus (STN) en globus pallidus internus (GPi), sleutelknopen in het bewegingsnetwerk.

Wanneer het zicht rust, verschuiven diepe hersenritmes

De onderzoekers volgden 36 patiënten — 18 met de ziekte van Parkinson en 18 met dystonie — in de dagen na de DBS-operatie. Ze registreerden hersenactiviteit van STN- of GPi-elektroden en van de schedel terwijl patiënten rustten met ogen open, ogen gesloten of slapend. Het sluiten van de ogen versterkte consequent langzame ritmes in de diepe hersenen, met name in de theta- en alfa-banden, precies de signalen waar veel adaptieve DBS-systemen naar kijken. Deze versterking was het duidelijkst in de STN, die sterk verbonden is met het buitenste “denk”-oppervlak van de hersenen, en minder uitgesproken in de GPi. Slaap liet weer een ander patroon zien, met bijzonder sterke zeer langzame golven.

Verschillende aandoeningen, verschillende signatuurpatronen

De ziekte van Parkinson en dystonie hebben al onderscheidende ritmische “vingerafdrukken”, en de studie vond dat het sluiten van de ogen deze patronen op iets verschillende manieren veranderde. In beide aandoeningen daalden de laagfrequente en alfa-vermogen toen patiënten hun ogen weer openden. Maar bij de ziekte van Parkinson trad een extra daling in theta-vermogen op die bij dystonie niet werd waargenomen. Als gevolg daarvan behielden mensen met dystonie, wanneer de ogen open waren, meer theta-activiteit dan mensen met Parkinson. Dit benadrukt dat hetzelfde diepe hersensignaal zowel ziekte als gewone veranderingen in waakzaamheid kan weerspiegelen, wat het riskant maakt om één ritme als een eenvoudige aan/uit-markeerder van symptomen te behandelen.

Hersennetwerken communiceren meer als de ogen gesloten zijn

Naast de sterkte van de ritmes zelf, onderzocht het team ook hoe nauw diepe structuren en de cortex synchroon bewegen. Met een methode die zich richt op echte communicatie in plaats van gedeelde ruis, vonden ze dat het sluiten van de ogen de gecoördineerde laagfrequente en alfa-activiteit tussen STN en centrale schedelregio’s over de sensorimotorische cortex verhoogde. GPi liet ook sterkere alfa-koppeling met de cortex zien bij gesloten ogen, zij het bescheidener en zonder duidelijke regionale verschillen. Deze bevindingen suggereren dat rusten met gesloten ogen niet alleen de lokale activiteit verandert, maar ook de ruimere communicatiepatronen van het bewegingsnetwerk.

Machines leren interne toestanden herkennen

Aangezien toekomstige implantaten waarschijnlijk algoritmen zullen gebruiken om hersensignalen te lezen, testten de onderzoekers of eenvoudige machine-learningmodellen konden onderscheiden of de ogen open of gesloten waren, alleen op basis van deze ritmes. Door meerdere frequentiebanden aan classifiers te voeden, konden ze de oogtoestand met ongeveer 88 procent nauwkeurigheid identificeren met STN-signalen en 77 procent met GPi-signalen, zowel bij de ziekte van Parkinson als bij dystonie. Niet-lineaire modellen die complexere patronen kunnen vastleggen presteerden nog beter, en de beste decodering kwam van sensorimotorische regio’s die het meest direct met beweging verbonden zijn.

Op weg naar slimmer, contextbewust hersenstimuleren

Eenvoudig gezegd laat de studie zien dat gewone, gezonde veranderingen in hoe wakker of visueel betrokken iemand is de hersengolven sterk kunnen veranderen waarop adaptieve DBS-systemen vertrouwen. Als een implantaat simpelweg reageert wanneer een ritme een vaste drempel overschrijdt, kan het normale toestandveranderingen verkeerd interpreteren als ziektedekking en te veel of te weinig stimuleren. De auteurs betogen dat next-generation DBS eerst de context van de persoon moet detecteren — zoals ogen open versus gesloten, slaap versus waak — en ziekte-indicatoren vervolgens anders moet interpreteren afhankelijk van die toestand. Zulke “toestand-bewuste” hersenpacemakers zouden nauwkeuriger hulp kunnen bieden, onnodige stimulatie vermijden en mensen met bewegingsstoornissen beter kunnen ondersteunen in hun dagelijks leven.

Bronvermelding: Zhu, GY., Merk, T., Butenko, K. et al. Decoding the impact of visual states on adaptive deep brain stimulation feedback signals in movement disorders. npj Parkinsons Dis. 12, 61 (2026). https://doi.org/10.1038/s41531-026-01273-3

Trefwoorden: adaptieve diepe hersenstimulatie, ziekte van Parkinson, dystonie, hersenoscillaties, hersenen–computerinterfaces