Voor mensen met medicatie-resistente epilepsie is epilepsiechirurgie soms een aangewezen behandeling. Klinische gegevens en diverse beeldvormende- en functieonderzoeken worden gebruikt om te bepalen of iemand een geschikte kandidaat is voor resectie. Het is nu slechts ten dele mogelijk om met multidisciplinaire beoordeling van de gegevens betrouwbaar te voorspellen in hoeverre epilepsiechirurgie effectief zal zijn.
Het doel van dit onderzoek is om de succeskans van epilepsiechirurgie beter te voorspellen door het toevoegen een machine learning model waarin alle gegevens geïntegreerd worden. We hebben een lineair (regressie) en niet-lineair (random forest) model getraind waarin de gegevens van epilepsiechirurgie kandidaten worden ingevoerd en uitkomst van operatie (aard en frequentie van epileptische aanvallen na 1 jaar) wordt voorspeld. De twee modellen worden vergeleken met elkaar en met bestaande gegevens over predictie van succes van operatie.
Indien succesvol, kan dit de informatievoorziening aan de patiënten en besluitvorming over de beslissing over epilepsiechirurgie verbeteren.
Startdatum: 1-2-2021
Fase: afsluitend
Affiliaties: Amsterdam UMC, afdeling Neurologie/Klinische neurofysiologie
Financiering: Amsterdam Neuroscience grant
Principal investigators: Ilse van Straaten
E-mail: i.vanstraaten@amsterdamumc.nl