Normatieve modellering van MEG-hersenoscillaties over de menselijke levensloop

Luisteren naar de stille achtergrond van de hersenen

Onze hersenen zijn nooit echt in rust. Zelfs wanneer we stil zitten met de ogen open of gesloten, zoemen miljarden zenuwcellen samen in ritmische patronen. Deze onzichtbare hersenritmes veranderen terwijl we opgroeien, ouder worden en wanneer ziekte toeslaat. Deze studie had tot doel iets te bouwen dat lijkt op groeidiagrammen voor die ritmes — een manier om te zien wat typisch is voor iemands leeftijd en geslacht — en die diagrammen vervolgens te gebruiken om te ontdekken wanneer iemands hersenactiviteit buiten het gebruikelijke bereik valt.

Waarom hersenritmes ertoe doen

Artsen gebruiken al lange tijd lengte- en gewichtstabellen om de lichamelijke ontwikkeling van een kind te volgen. De afgelopen jaren zijn hersenonderzoekers iets soortgelijks gaan doen voor de hersenstructuur, met MRI-scans om in kaart te brengen hoe hersenvolume en -dikte gewoonlijk met de leeftijd veranderen. Maar veel hersenaandoeningen gaan niet alleen over structuur; ze verstoren ook hoe hersencellen samen vuren in de tijd. Technieken zoals magnetoencefalografie (MEG) kunnen deze snelle elektrische ritmes vastleggen, maar er ontbrak nog een grote, levenslange referentie voor hoe „normale” hersenritmes eruitzien. Zonder die referentie is het moeilijk te zeggen of iemands hersenactiviteit ongewoon is en op welke manier.

Groeidiagrammen van hersenactiviteit opbouwen

De auteurs creëerden een framework dat zij MEGaNorm noemen om deze leemte te vullen. Ze bundelden rusttoestand-MEG-opnamen van 1.846 gezonde mensen van 6 tot 88 jaar, verzameld op zes locaties met drie verschillende scantypes, plus 160 mensen met de ziekte van Parkinson. Uit elke opname verwijderden ze artefacten zoals knipperen en hartslagen, en berekenden vervolgens hoeveel van het signaal binnen vier bekende ritmebereiken viel: langzamere theta-golven, middensegment alpha- en beta-golven, en snellere gamma-golven tussen 3 en 40 cycli per seconde. Cruciaal was dat ze eerst een breedbandige „achtergrondruis” aftrokken die altijd aanwezig is in hersensignalen, zodat de overgebleven metingen de echte ritmische pieken weerspiegelden in plaats van algemene ruis of leeftijdsgebonden verschuivingen in totale power.

Normale verschillen vangen, niet alleen gemiddelden

In plaats van zich alleen op gemiddelde waarden te richten, gebruikte het team een hiërarchische Bayesiaanse aanpak om volledige krommen te schatten die beschrijven hoe elk ritme typisch met de leeftijd varieert en hoe groot die variatie is. Hun modellen lieten de spreiding en vorm van de data met de leeftijd veranderen en hielden expliciet rekening met verschillen tussen opnamelocaties en tussen mannen en vrouwen. Dit leverde centielkrommen op — analoog aan het 5e, 50e of 95e percentiel op een groeidiagram — voor elk ritme over de levensloop. Ze zetten deze vervolgens om in twee soorten visuele hulpmiddelen. Populatie-niveau diagrammen (P-NOCs) tonen, in stappen van vijf jaar, hoeveel elk ritme doorgaans bijdraagt aan het totale patroon van hersenactiviteit. Individu-niveau diagrammen (I-NOCs) laten een clinicus of onderzoeker toe om de metingen van één persoon in te voeren en te zien waar die vallen ten opzichte van normen voor dezelfde leeftijd, hetzelfde geslacht en dezelfde scanner.

Hoe hersenritmes zich met de leeftijd ontwikkelen

De groeidiagrammen tonen dat hersenritmes afzonderlijke levensverlopen volgen in plaats van synchroon te veranderen. Theta-power volgt een U-vormige curve: relatief hoog in de kinderjaren, een dal rond het midden van het leven, en daarna weer stijgend op oudere leeftijd. Alpha-power, vaak gekoppeld aan ontspannen waakzaamheid, toont het tegenovergestelde: het stijgt tijdens de adolescentie, piekt in het vroege volwassen leven en neemt geleidelijk af. Beta-power neemt doorgaans toe tot ongeveer 50 jaar en vlakt daarna af, terwijl langzame gamma bescheiden maar relatief stabiel blijft. Rond het midden van het leven is er een merkbare verschuiving in hoe ritmes elkaar balanceren: vóór ongeveer 50 jaar wordt dalende alpha deels gecompenseerd door stijgende beta; daarna vlakt beta af en neemt theta toe terwijl alpha blijft afnemen. Deze patronen benadrukken dat gezond ouder worden gepaard gaat met een herverdeling tussen ritmes, niet simpelweg met een uniforme vertraging of verzwakking.

Verborgen verschillen opsporen bij de ziekte van Parkinson

Om de klinische waarde van hun diagrammen te testen, pasten de onderzoekers MEGaNorm toe op de Parkinson-groep. Ze behandelden alle patiënten als onbekenden, voerden hun data door dezelfde pijplijn en bepaalden hoe ver ieders ritmes afweken van leeftijd-, geslacht- en locatie-gematchte normen. De grootste en meest betrouwbare afwijkingen verschenen in de theta- en beta-banden: veel patiënten toonden ongewoon sterke theta, ongewoon zwakke beta, of beide, en deze afwijkingen hielpen hen beter te onderscheiden van gezonde controles dan veranderingen in alpha of gamma. Belangrijk is dat patiënten zich niet allemaal groeperen rond één "Parkinson-patroon." In plaats daarvan verspreidden ze zich langs een continuüm van hoog-theta/laag-beta profielen tot laag-theta/hoog-beta profielen, met sommige individuen duidelijk binnen het normale bereik. Deze diversiteit zou vervaagd of verloren gaan in traditionele groepsgemiddelde vergelijkingen.

Op weg naar meer persoonlijke referenties voor hersengezondheid

In praktische termen zet dit werk rommelige metingen van hersen "achtergrondruis" om in intuïtieve diagrammen die bijvoorbeeld zeggen: "voor iemand zoals u is dit niveau van beta-activiteit hoger dan 95 procent van uw leeftijdsgenoten." Omdat het framework is gebouwd om bij te werken wanneer nieuwe data binnenkomen en lokaal aan te passen zonder gevoelige opnamen te delen, biedt het een praktische basis voor meer gepersonaliseerde beoordelingen van hersengezondheid. Hoewel verder testen in verschillende populaties en aandoeningen nodig is, laat MEGaNorm zien hoe we op een dag functionele hersenveranderingen in de tijd kunnen volgen, vergelijkbaar met het volgen van bloeddruk of cholesterol, waarmee we vroege tekenen van ziekte kunnen opsporen en behandelingen kunnen afstemmen op ieders unieke ritmeprofiel.

Bronvermelding: Zamanzadeh, M., Verduyn, Y., de Boer, A. et al. Normative modeling of MEG brain oscillations across the human lifespan. Commun Biol 9, 604 (2026). https://doi.org/10.1038/s42003-026-09825-2

Trefwoorden: hersenoscillaties, magnetoencefalografie, levensloopontwikkeling, Ziekte van Parkinson, precisiepsychiatrie