黑料福利网

In de Advanced Sleep Monitoring Group van 黑料福利网 herschrijven hoogleraar Sebastiaan Overeem en universitair docent Merel van Gilst stilletjes de regels van de slaapwetenschap. In plaats van steeds meer sensoren op het hoofd van pati毛nten te plakken, stellen ze de vraag hoe data 眉berhaupt ge茂nterpreteerd moet worden om pati毛nten die lijden aan 茅茅n van de meer dan tachtig erkende slaapstoornissen beter te kunnen diagnosticeren.

鈥淶iekenhuisapparatuur mag dan wel indrukwekkend zijn,鈥� zegt Overeem, die ook klinisch somnoloog is (een arts die gespecialiseerd is in slaapstoornissen), 鈥淢aar het meet nog altijd alleen oppervlakteactiviteit en stopt complexe hersenprocessen in simpele hokjes. In dat interpretatieproces verlies je veel van wat eigenlijk interessant is.鈥�

Leren van dubbelzinnige signalen

Hun oplossing klinkt haast tegenintu茂tief: onzekerheid niet verbergen, maar juist laten zien. 鈥淲e willen monitoring die minder belastend en praktischer is鈥�, legt Van Gilst uit, 鈥淢aar ook eerlijker鈥�.

Van Gilst is somnoloog 茅n neurowetenschapper; haar promotieonderzoek richtte zich op slaapstoornissen bij Parkinsonpati毛nten. Momenteel is ze universitair docent in de Signal Processing Systems-groep (faculteit Electrical Engineering) en leidt ze samen met Sebastiaan Overeem het Advanced Sleep Monitoring Team.

鈥淒oor toe te geven wat we n铆et weten, stellen we onszelf meer open voor inzichten in de signalen die onze slapende hersenen produceren,鈥� zegt Van Gilst. Deze benadering vormt de basis van het werk van meerdere promovendi in haar onderzoeksgroep. Zij richten zich op verschillende onderdelen van de meettechnologie achter slaapmonitoring: van slimmere algoritmes tot nieuwe sensordesigns die minder belastend zijn voor de pati毛nt, maar toch nauwkeurig blijven.

Illusie van zekerheid

Decennialang is een bepaalde aanpak gangbaar geweest in slaaponderzoek: het meten van de elektrische activiteit van de hersenen, de nacht opdelen in intervallen van dertig seconden en elk interval toewijzen aan 茅茅n specifieke slaapfase. Het huidige systeem onderscheidt vijf fasen: wakker zijn, vervolgens N1, N2 en N3 (droomloze slaapfases van licht tot diep) en de beter bekende droomslaap REM, ofwel Rapid Eye Movement. De resulterende grafiek met hersenactiviteit heet een hypnogram en oogt netjes en ordentelijk. Maar volgens Overeem en Van Gilst is die zekerheid een illusie.

鈥淶elfs met onze meest geavanceerde metingen leggen we niet vast wat slaap werkelijk is,鈥� zegt Overeem. 鈥淲e zien slechts een representatie van iets diepers, niet de slaap zelf.鈥�

De diepten van de hersenen peilen

Slaap is lastig om precies te meten, en dat maakt een volledige visualisatie vrijwel onmogelijk. Om slaappatronen in kaart te brengen, moeten onderzoekers keuzes maken en compromissen sluiten. Daarbij verdwijnt veel 鈥榲age鈥� data noodgedwongen uit beeld. Wat overblijft, lijkt vervolgens een harde waarheid. Maar de werkelijkheid achter slaap meten blijkt veel lastiger dan het lijkt.

Allereerst zijn de hersengebieden die slaap reguleren lastig bereikbaar. Ze liggen diep in de meer 鈥榩rimitieve鈥� hersenstructuren, zoals de hypothalamus, en kunnen niet direct gemonitord worden. EEG-sensoren op de hoofdhuid meten elektrische activiteit, maar krijgen slechts zwakke, sterk gefilterde signalen binnen die eerst door de cortex (de buitenste hersendelen) en de schedel moesten reizen voordat ze de sensoren bereiken.

Nog meer vereenvoudiging ontstaat doordat technici (of algoritmes) uren aan complexe data van meerdere sensoren moeten samenpersen tot 茅茅n label per 30 seconden. Dat maakt de informatie grofkorrelig, en dat is weliswaar noodzakelijk voor de bruikbaarheid, maar ook misleidend: talloze details van hersenactiviteit verdwijnen zo uit de gemiddelde score. Met een vertekent beeld van wat er 茅cht gebeurt tot gevolg.

鈥淎ls tien getrainde technici dezelfde slaap van een pati毛nt beoordelen, zullen ze het nooit volledig met elkaar eens zijn over alle slaapfasen,鈥� stelt Overeem. 鈥淒ie onzekerheid wordt verborgen achter de strakke lijnen van het hypnogram, dat slechts 茅茅n slaapfase per venster toestaat. Dat is schijnzekerheid.鈥�

Hypnodensity-grafiek als alternatief

Om die onzekerheid in slaapdata te tackelen, gebruikt het onderzoeksteam een slimme oplossing: de hypnodensity-grafiek. In plaats van op elke interval 茅茅n vaste slaapfase te plakken, laat deze grafiek zien hoe groot de kans is op verschillende fasen binnen dat tijdsinterval, een soort landschap van waarschijnlijkheden.

Deze techniek is ontwikkeld in een naar narcolepsie met behulp van machine learning. De 黑料福利网-onderzoekers bouwen daarop voort: ze onderzoeken wat deze methode 茅cht laat zien en passen haar toe in nieuwe contexten.

Een hypnodensity-grafiek kan verborgen instabiliteit blootleggen en ons op het spoor zetten van de oorzaak van klachten. 

Sebastiaan Overeem

鈥淏ij traditionele metingen moet je altijd kiezen voor 茅茅n van de vijf slaapfasen, ook als de data eigenlijk vaag of tegenstrijdig is,鈥� verduidelijkt Van Gilst. 鈥淎ls het resultaat er betrouwbaar uitziet, maar niet strookt met de klachten van een pati毛nt, kan belangrijke informatie verloren zijn gegaan bij het omzetten van ruwe signalen naar een hypnogram. Door die onzekerheid juist zichtbaar te maken, krijg je een genuanceerder beeld en kun je data beter koppelen aan echte symptomen.鈥�

鈥淢achine-learningmodellen denken al in waarschijnlijkheden,鈥� vult Overeem aan. 鈥淒us waarom zouden we dat niet gewoon laten zien? Misschien is het 80 procent N1-slaap, 10 procent N3-slaap, enzovoort.鈥�

Even op de REM

Deze aanpak laat dingen zien die anders verborgen blijven. Twee personen kunnen tijdens een meetmoment allebei het label 鈥楻EM-slaap鈥� toegekend krijgen. Bij de 茅茅n is dat met 90 procent zekerheid, die persoon droomt waarschijnlijk. Bij de ander schommelt het signaal tussen verschillende fasen, waardoor een definitieve conclusie lastig is.

鈥淭raditionele hypnogrammen kunnen er normaal uitzien, zelfs als een pati毛nt zich niet uitgerust voelt,鈥� legt Overeem uit. 鈥淓en hypnodensity-grafiek kan verborgen instabiliteit blootleggen. Die ambigu茂teit kan ons op het spoor zetten van de oorzaak van klachten. Voor ons is juist die onzekerheid in slaappatronen op de lange termijn waardevolle informatie.

Tekst gaat verder onder het kader.

Samenwerking met Kempenhaeghe

Het Advanced Sleep Monitoring-team werkt nauw samen met Kempenhaeghe, het Eindhovense expertisecentrum voor slaapgeneeskunde, waar Overeem in zijn klinische rol regelmatig pati毛nten behandelt. Kempenhaeghe levert 茅茅n van hun grootste troeven: de Somnia-dataset, een rijke collectie complexe slaapregistraties voor het trainen en valideren van nieuwe algoritmes.

Toegang tot deze dataset maakte nog eens duidelijk dat slaappatronen veel complexer dan ze op het eerste gezicht lijken 鈥� zeker bij slaapstoornissen. En dus ook hoe belangrijk een genuanceerde methode is. 鈥淲e willen niet alleen modellen bouwen die goed presteren,鈥� zegt Van Gilst, 鈥渕aar ook begrijpen waarom ze soms n铆et doen wat we verwachten.鈥�

Vier promoties, vier routes naar slimmere monitoring

Naast het onderzoek naar de hypnodensity-grafiek wil het Advanced Sleep Monitoring Team ook m茅茅r informatie vergaren met meetmanieren die juist m铆nder ingrijpend zijn voor de pati毛nt. Vier promovendi werken aan oplossingen om metingen te verfijnen, slimmere algoritmes te trainen en sensoren die meer informatie geven zonder hinderlijk te zijn.

Jaap van der Aar en Hans van Gorp focussen op nieuwe manieren om slaapdata te interpreteren, waarbij ze expliciet rekening houden met onzekerheid. Fons Schipper en Luca Cerina ontwikkelen juist nieuwe meetmethoden en sensordesigns, met als doel dezelfde klinische conclusies te trekken met effici毛ntere tools die minder data nodig hebben dan in het ziekenhuis.