Clear Sky Science · nl

Draagbare EEG-apparaten bij de opsporing van milde cognitieve achteruitgang: een systematische review

· Terug naar het overzicht

Waarom hersengolf-hoofdbanden belangrijk zijn voor het dagelijkse geheugen

Naarmate mensen langer leven, maken velen zich zorgen over de vage grens tussen normale vergeetachtigheid en de vroege stadia van dementie. De huidige tests voor milde cognitieve achteruitgang — een waarschuwingsfase vóór dementie — zijn ofwel korte pen-en-papiercontroles die subtiele problemen kunnen missen, of ziekenhuisonderzoeken die duur, invasief en moeilijk toegankelijk zijn. Dit artikel onderzoekt of eenvoudige draagbare hoofdbanden die hersengolven registreren een makkelijkere manier kunnen bieden om vroegtijdige problemen te signaleren, lang voordat het dagelijks leven uit elkaar valt.

Kleine apparaten, grote verwachtingen

Draagbare elektro-encefalografie (EEG)-apparaten lijken meer op sporthoofdbanden of lichtgewicht mutsen dan op ziekenhuismachines. Ze gebruiken kleine sensoren op de hoofdhuid om de elektrische activiteit van de hersenen vast te leggen terwijl mensen rusten of korte denkopdrachten uitvoeren. Omdat deze apparaten draagbaar, relatief goedkoop en bruikbaar zonder gels of gespecialiseerde technici zijn, zouden ze in principe kunnen worden ingezet in lokale klinieken, seniorencentra of zelfs thuis om grote groepen oudere volwassenen te screenen op vroege cognitieve achteruitgang.

Figure 1
Figure 1.

Wat de onderzoekers onderzochten

De auteurs hebben systematisch 21 studies beoordeeld die 16 verschillende draagbare EEG-systemen gebruikten om mensen met milde cognitieve achteruitgang te onderscheiden van gezonde oudere vrijwilligers. Samen omvatten de studies 1660 deelnemers uit acht landen. De apparaten varieerden van eenvoudige consumentelhoofdbanden met twee sensoren van een paar honderd dollar tot geavanceerdere medische systemen met meerdere sensoren van enkele duizenden. Onderzoekers combineerden de ruwe hersengolfsignalen met computeralgoritmen — meestal klassieke machine-learningmethoden — om te zien hoe nauwkeurig de systemen konden bepalen wie milde cognitieve achteruitgang had. De gerapporteerde nauwkeurigheid varieerde sterk, van toevalsniveau tot meer dan 90 procent.

Hoe hersengolven vroege cognitieve belasting laten zien

In de studies kwam een consistent patroon naar voren in de hersenactiviteit van mensen met milde cognitieve achteruitgang. Hun EEG-signalen neigden te "vertragen", met meer vermogen in laagfrequente golven en minder in snellere ritmes die samenhangen met gefocust denken. Andere maatstaven suggereerden dat de hersenactiviteit minder complex werd en dat de communicatie tussen verre hersengebieden verzwakte. De meest informatieve signalen kwamen vaak van sensoren geplaatst boven de frontale en pariëtale regio’s — gebieden die betrokken zijn bij aandacht, planning en werkgeheugen. Wanneer onderzoekers een mix van kenmerken extraheren die vertraging, verlies aan complexiteit en verstoorde verbindingen vastlegden, en deze vervolgens combineerden in geavanceerdere computermodellen, verbeterde de classificatieprestaties doorgaans.

Betere tests en slimere algoritmen ontwerpen

Niet alle opnameopstellingen waren even nuttig. De review vond dat een matig aantal sensoren — ongeveer vier tot acht kanalen — de beste balans bood tussen nauwkeurigheid, comfort en kosten. Zeer weinig sensoren misten belangrijke details, terwijl veel dichtere systemen weinig extra voordeel opleverden voor deze taak. Evenzo gaven korte denkopdrachten die meerdere vaardigheden tegelijk aanspraken — zoals aandacht, geheugen, taal en visueel-ruimtelijk vermogen — vaak duidelijkere hersengolfverschillen dan simpel rusten met gesloten ogen. Signaalreinigingsstappen om ruis door beweging of spierspanning te verwijderen, samen met geavanceerde kenmerkselectie en ensemble-algoritmen die meerdere machine-learningmodellen combineren, verbeterden de prestaties verder. Het toevoegen van andere draagbare gegevens, zoals hartslagritme, loopgedrag of handschriftmetrieken bovenop EEG, gaf een merkbare toename in nauwkeurigheid.

Figure 2
Figure 2.

Praktische obstakels en wat er verder moet gebeuren

Ondanks veelbelovende resultaten bevindt het veld zich nog in een vroeg, enigszins rommelig stadium. De studies gebruikten veel verschillende apparaten, patiëntdefinities en testprotocollen, waardoor het moeilijk is om resultaten te vergelijken of duidelijke prestatienormen vast te stellen. Veel steekproeven waren klein en niet erg divers, en sommige studies rapporteerden slechts één eenvoudige maat voor nauwkeurigheid. De auteurs pleiten voor gestandaardiseerde diagnostische criteria, gedeelde opname- en verwerkingsrichtlijnen, grotere studies in de gemeenschap en betere rapportagepraktijken. Ze benadrukken ook de noodzaak om deze systemen in realistische omgevingen te testen — zoals huisartsenpraktijken — terwijl zorgvuldig rekening wordt gehouden met kosten en gebruiksgemak.

Wat dit kan betekenen voor dagelijkse geheugenzorg

Al met al concluderen de auteurs dat draagbare EEG-apparaten veel mensen met milde cognitieve achteruitgang al kunnen onderscheiden van gezonde leeftijdsgenoten, soms met hoge nauwkeurigheid, wanneer het systeem goed is ontworpen: een comfortabele hoofdband met middeldichtheid, sensoren boven de juiste hersengebieden, zorgvuldig gekozen denkopdrachten, grondige signaalreiniging en moderne data-analyse. Met verdere standaardisatie en testen in de praktijk zouden dergelijke hoofdbanden kunnen uitgroeien tot praktische screeningsinstrumenten die risicovolle individuen vroegtijdig signaleren en hen naar een grondiger beoordeling en tijdige ondersteuning leiden — lang voordat geheugenproblemen invaliderend worden.

Bronvermelding: He, C., Yu, X., Zhang, Y. et al. Wearable EEG devices in the detection of mild cognitive impairment: a systematic review. npj Digit. Med. 9, 265 (2026). https://doi.org/10.1038/s41746-026-02342-w

Trefwoorden: draagbare EEG, milde cognitieve achteruitgang, hersenwegdiagnostiek, digitale biomarkers, vroegtijdige dementiedetectie