Onderzoek naar de methodologische basis van lesion network mapping

Waarom dit belangrijk is voor hersenonderzoek

Artsen en wetenschappers spreken steeds vaker over hersenaandoeningen als problemen van hele netwerken in plaats van van één beschadigde plek. Een populaire methode, lesion network mapping genoemd, belooft veel verschillende hersenletsels of -veranderingen te koppelen aan gedeelde circuits en is gebruikt om behandeldoelen voor depressie, verslaving, epilepsie en meer voor te stellen. Dit artikel stelt een eenvoudige maar cruciale vraag: laat deze methode echt stoornisspecifieke hersennetwerken zien, of toont zij vooral herhaaldelijk hetzelfde achtergrondpatroon?

Een instrument dat veel hersenaandoeningen leek te verenigen

Lesion network mapping begint bij de locaties van hersenschade of andere veranderingen die op scans zichtbaar zijn. Vervolgens worden die locaties opgezocht in een grote referentiedataset van hersenactiviteit bij gezonde mensen, om te bepalen welke andere regio’s typisch synchroon actief zijn met het beschadigde gebied. Door dit voor veel patiënten te herhalen en de resultaten te middelen, hopen onderzoekers een gemeenschappelijk circuit te vinden dat verbonden is met een symptoom, zoals verslaving of hallucinaties. In het afgelopen decennium hebben studies met dit raamwerk netwerken gerapporteerd voor aandoeningen variërend van migraine en de ziekte van Parkinson tot depressie, psychose en posttraumatische stressstoornis, en vaak werd gesuggereerd dat deze gedeelde circuits behandelingen met hersenstimulatie kunnen sturen.

Een onverwachte gelijkheid tussen veel gerapporteerde circuits

Toen de auteurs meer dan honderd gepubliceerde lesion network maps verzamelden, merkten ze een opvallend patroon op. Netwerken die beweerd werden specifiek te zijn voor zeer verschillende aandoeningen benadrukten vaak dezelfde set regio’s, waaronder de insula, de anterior cingulate cortex en de frontale pool. Kaarten voor aandoeningen die sterk van elkaar verschilden — zoals verslaving, PTSS, epilepsie en migraine — leken vaak sterk op elkaar, zelfs wanneer de onderliggende laesies, oorzaken en symptomen behoorlijk verschillend waren. In sommige gevallen waren netwerken die uit echte patiëntlaesies waren afgeleid bijna niet te onderscheiden van die verkregen nadat laesielocaties werden geschud of zelfs volledig gerandomiseerd.

Onder de motorkap van de methode kijken

Om te begrijpen waarom dit gebeurt, schreven de onderzoekers de stappen van lesion network mapping in compacte wiskundige vorm over. Zij toonden aan dat de methode in de praktijk neerkomt op herhaaldelijk selecteren van rijen uit één grote connectiviteitstabel die beschrijft hoe sterk elke hersenregio verbonden is met elke andere bij gezonde mensen. Wanneer veel laesies over de hersenen verspreid zijn, begint deze herhaalde bemonstering te lijken op het simpelweg optellen van de verbindingen in die tabel. De resulterende kaart weerspiegelt voornamelijk hoe goed elke regio in het algemeen verbonden is, eerder dan een gedetailleerd patroon verbonden aan een specifieke ziekte. Zelfs een geavanceerdere variant die symptoomscores incorporeert, berust nog steeds op dezelfde basistabel en neigt de meest dominante kenmerken daarvan te echoën.

Bewijs dat output basisnetwerkstructuur volgt

Het team testte daarna echte gepubliceerde netwerken tegen eenvoudige maten van de referentie-connectiviteitsdata. Ze vonden dat de meeste lesion network maps nauw gevolgd werden door een basispatroon van “degree”, wat in essentie een telling is van hoe sterk elke regio verbonden is met de rest van de hersenen. Over tientallen aandoeningen, van schizofrenie tot slapeloosheid, kon meer dan driekwart van de bestudeerde kaarten grotendeels worden verklaard door dit en enkele andere zeer brede kenmerken van normale hersenorganisatie. Toen ze lesion network mapping modelleerden met gesimuleerde laesies en gerandomiseerde connectiviteitsdata, produceerde de methode nog steeds sterke, gladde netwerken, wat bevestigt dat het gedrag ervan meer wordt gedreven door de structuur van de referentietabel dan door de biologische betekenis van de invoerlaesies.

Wat dit betekent voor toekomstig kaartleggen van hersencircuits

De auteurs concluderen dat veel lesion network mapping-resultaten waarschijnlijk onspecificieke reflecties zijn van gemiddelde hersenconnectiviteit in plaats van precieze circuits die uniek zijn voor een bepaalde stoornis. Dit ondermijnt niet het bredere idee dat hersenaandoeningen netwerken betreffen, maar het daagt wel de betrouwbaarheid van het gebruik van deze specifieke methode om behandeldoelen te kiezen of om gedetailleerde ziektecircuits te claimen. Het werk roept op tot een zorgvuldige herwaardering van eerdere bevindingen gebaseerd op lesion network mapping en spoort de gemeenschap aan nieuwe benaderingen van de grond af te ontwerpen, waarbij echte laesiedata, robuuste statistiek en netwerkwetenschap worden gecombineerd om hersenveranderingen op een trouwere manier aan symptomen te koppelen.

Bronvermelding: van den Heuvel, M.P., Libedinsky, I., Quiroz Monnens, S. et al. Investigating the methodological foundation of lesion network mapping. Nat Neurosci 29, 1237–1247 (2026). https://doi.org/10.1038/s41593-025-02196-7

Trefwoorden: lesion network mapping, hersenconnectiviteit, neuroimaging-methoden, psychiatrische stoornissen, netwerkneuroscience