Diepe neurobehaviorale fenotypering onthult neurale vingerafdrukken van loopptekorten bij de ziekte van Parkinson

Waarom loopproblemen bij Parkinson belangrijk zijn

Voor veel mensen met de ziekte van Parkinson is een van de meest angstaanjagende symptomen wanneer de voeten plotseling aan de grond lijken vast te zitten, of het lopen bijna tot stilstand komt. Deze beweging-ineenstortingen, van subtiele traagheid tot volledige "bevriezing" van de gang, verhogen sterk het risico op vallen en verlies van zelfstandigheid, terwijl huidige medicijnen en hersenstimulatie ze vaak niet kunnen voorkomen. Deze studie had tot doel de verborgen hersenpatronen die met zulke loopproblemen gepaard gaan te onthullen, met als langetermijndoel het ontwerpen van slimmere, op aanvraag werkende therapieën.

Beweging in detail observeren

De onderzoekers begonnen met een goed ingeburgerd rattenmodel van de ziekte van Parkinson. Ze trainden ratten om heen en weer over een loopstrook te lopen terwijl ze elke kleine beweging van hun achterpoten in drie dimensies volgden en de elektrische activiteit uit de bewegingsgebieden van de hersenen registreerden. Elk ogenblik van gedrag werd aangeduid als een van drie toestanden: normaal lopen, kleine doelgerichte bewegingen ter plaatse, of akinesie—een vrijwel volledige stilstand van beweging die lijkt op bevriezingsepisodes bij patiënten. Dit creëerde een rijk "neurobehavioraal" dataset die hersenritmes afstemde op wat het lichaam van moment tot moment deed.

Patronen vinden in hersengolven

Om dit hoogdimensionale materiaal te begrijpen paste het team zowel klassieke statistiek als moderne deep‑learning tools toe. Ze bevestigden eerst bekende signalen: ratten met Parkinsonachtige schade brachten meer tijd door in akinesie dan gezonde dieren, en hun hersensignalen toonden sterkere activiteit in een frequentiebereik gerelateerd aan abnormale bèta- en lage gamma‑ritmes. Maar toen de wetenschappers onderzochten welke kenmerken de drie bewegingstoestanden het best onderscheidden, doken nieuwe aanwijzingen op. Maten genaamd Hjorth-complexiteit en Hjorth-mobiliteit—samenvattingen in het tijddomein van hoe onregelmatig en hoe snel het signaal verandert—bleken krachtige markers. In het aangedane hemisfeer waren hogere complexiteit en lagere mobiliteit sterk gekoppeld aan het begin van akinesie, terwijl andere kenmerken, zoals hoogfrequente gamma‑kracht, actief bewegen volgden.

Inzoomen op het moment dat beweging stopt

Met neurale netwerken die compacte "kaarten" van de gegevens leren, konden de onderzoekers elk kort tijdvenster plaatsen in een laagdimensionale ruimte waar lopen, stationaire beweging en akinesie afzonderlijke gebieden innamen. Binnen deze ruimte bepaalden de Hjorth‑maten en de abnormale bèta–lage gammaband sterk waar akinetische episodes terechtkwamen. Toen het team zich richtte op de seconden rond het begin van een akinetische episode, zagen ze een consistente volgorde: complexiteit en bèta‑achtige kracht liepen op vlak voor en op het moment van stoppen, terwijl mobiliteit en gamma‑kracht afnamen. Cruciaal is dat deze maten snel kunnen worden berekend zonder zware frequentieanalyse, waardoor ze aantrekkelijk zijn voor realtime monitoring.

Van ratten naar mensen met bevriezing van de gang

Vervolgens stelde de groep de vraag of vergelijkbare neurale vingerafdrukken ook bij mensen voorkomen. Ze analyseerden gedetailleerde bewegingsregistratie en opnames van elektroden geïmplanteerd in een diepe hersenstructuur, de nucleus subthalamicus, bij twee mensen met Parkinson die bevriezing van de gang ervaarden. Bij één deelnemer trad hetzelfde patroon op als bij de ratten tijdens bevriezingsepisodes: verhoogde Hjorth‑complexiteit en bèta‑kracht, samen met verminderde Hjorth‑mobiliteit. Hoewel gamma zich tussen soorten enigszins verschillend gedroeg, leek het kernsignaal dat de beweging naar een pathologische toestand schoof opvallend vergelijkbaar in de cortex van ratten en de nucleus subthalamicus van deze patiënt, wat wijst op een gedeelde onderliggende mechanismen in het motorische netwerk.

Wat dit kan betekenen voor toekomstige therapieën

Door gedetailleerde bewegingsregistratie te combineren met geavanceerde analyse van hersengolven identificeert dit werk eenvoudige, computationeel lichte "vingerafdrukken" van wanneer lopen bij de ziekte van Parkinson op het punt staat in te storten. Voor een leek betekent dit dat artsen en ingenieurs mogelijk binnenkort hersenstimulatoren kunnen bouwen die in realtime naar deze vingerafdrukken zoeken en alleen reageren wanneer dat nodig is, waardoor het systeem van een bevriezingsepisode kan worden weggeduwd voordat die volledig toeslaat. Hoewel grotere humane studies nog nodig zijn, opent de benadering een veelbelovende weg naar gepersonaliseerde, gesloten‑lusbehandelingen voor invaliderende loopproblemen bij de ziekte van Parkinson.

Bronvermelding: Garulli, E.L., Merk, T., El Hasbani, G. et al. Deep neurobehavioral phenotyping uncovers neural fingerprints of locomotor deficits in Parkinson’s disease. npj Parkinsons Dis. 12, 65 (2026). https://doi.org/10.1038/s41531-026-01280-4

Trefwoorden: Ziekte van Parkinson, bevriezing van de gang, hersenritmes, diepe hersenstimulatie, neurobehaviorale fenotypering