BEHÖVER: Neuromed Epilepsy EEG Database. En stor EEG-databas över epilepsipatienter för forskningsgemenskap. (NEED)

Cirka 50 miljoner människor världen över är drabbade av epilepsi, som är en av de vanligaste neurologiska sjukdomarna. Det kännetecknas av oförutsägbara och plötsliga anfall som kan leda till förlust av medvetande och okontrollerade motoriska reaktioner, vilket allvarligt påverkar livskvaliteten för epilepsipatienter. Endast två tredjedelar av epilepsipatienter kan kontrollera anfall med antiepileptika eller genom epilepsikirurgi. För de återstående patienterna bör andra terapeutiska metoder övervägas. Dessa tillvägagångssätt inkluderar utvecklingen av interventionsanordningar med sluten loop, som kan upptäcka anfall och utlösa en interventionsoperation, såsom administrering av antiepileptika eller elektriskt stimulera det epileptogena fokuset för att avbryta anfallet. För att tillhandahålla effektiva terapeutiska tillvägagångssätt till dessa patienter har många ansträngningar gjorts under de senaste decennierna för att utveckla automatiska metoder för att hitta tillförlitliga markörer i elektroencefalografisk (EEG) signal, som är guldstandarden för epilepsidiagnos, som kan förutsäga eller tidigt upptäcka anfall i EEG. Sådana metoder är baserade på matematiska eller beräkningsmässiga tillvägagångssätt för EEG-signalanalys, vars syfte är att extrahera komplexa mått (de så kallade "funktionerna") från EEG-signaler, som inte går att känna igen med klassisk visuell inspektion av EEG-signaler gjorda av epileptologer under diagnos av epilepsi, för att använda sådana egenskaper som prekursorer för inkommande anfall (anfallsprediktion) eller som indikatorer på ett pågående anfall (anfallsdetektering). Många metoder har föreslagits under de senaste åren, med användning av linjära eller icke-linjära, för att extrahera egenskaper från EEG-signaler. Nyligen använde vissa studier även elektrokardiografisk signal (EKG), som normalt registreras tillsammans med EEG vid epilepsiövervakning, för att extrahera lovande egenskaper från den. Även om dessa studier visade lovande resultat, lider de ändå av många begränsningar. Bland dem, användningen av ett begränsat antal patienter och anfall och användningen av endast inspelningar som hör till fasen som föregår anfallen (den så kallade pre-iktala perioden). Sådana begränsningar gör det inte möjligt att bestämma t.ex. specificiteten hos sådana algoritmer, eftersom de inte tar hänsyn till inspelningar som förvärvats i tidsintervall långt från anfallen (interiktala data) och kan leda till en överanpassning av anfallsförutsägelsen/ detekteringsmodell. Det enda som alla forskare om epilepsi är överens om är förekomsten av en pre-iktal fas, vilket är fasen före anfallet, den iktala fasen, där anfallet är "aktivt" och inter-iktal fas, vilket är en period tillfälligt långt från anfallet. Normalt består automatiska metoder för förutsägelse/detektering av anfall av tre olika faser: förbehandlingen (borttagning av artefakter, bandpassfiltrering, datasegmentering, …) av EEG-signaler, funktionsextraktion och funktionsval och klassificering. Detta sista steg består vanligtvis av användning av maskininlärning och statistiska metoder för att fatta beslut om förutsägelse/detektering. I grund och botten bör dessa modeller kunna klassificera varje EEG-instans i två klasser, "beslag" eller "inget anfall", med hjälp av de egenskaper som extraherats från EEG-signalen. Effektiviteten av dessa modeller beror i hög grad på hur effektivt de tränas och ju mer data som används för att träna dem, desto mer kan de fatta rätt beslut. Därför kan tillgången på en stor databas med data göra det möjligt att utveckla effektiva modeller för epilepsidetektering/förutsägelse. Möjligheten för forskare att få tillgång till en stor databas med kontinuerliga och långsiktiga EEG-data från epilepsipatienter kan vara en stor möjlighet att utveckla effektiva och tillförlitliga automatiska anfallsprediktion/detektionsmetoder. Av dessa skäl har vissa forskargrupper under de senaste åren föreslagit och delat en offentlig EEG-databas med forskare som vill testa sina automatiserade anfallsdetekterings-/prediktionsmodeller. I synnerhet har en sådan databas föreslagits av Epilepsy Center vid universitetet i Bonn och Freiburg och även av Children's Hospital i Boston och har gjorts tillgänglig för gratis nedladdning för forskare. Dessa databaser innehåller långsiktiga EEG-registreringar som förvärvats under pre-kirurgisk övervakning av epilepsipatienter. Antalet patienter som ingår i dessa databaser är ganska lågt (från ett minimum av 5 till ett maximum av 23 patienter) och även antalet anfall är begränsat (från ett minimum av 59 till ett maximum av 189). Vidare sträcker sig längden på inspelningarna från 40 minuter till 142 timmar och antalet metadata (övrig information om patienter och anfall) är mycket lågt. Den sista databasen har föreslagits 2008 inom ramen för ett EU-grundat projekt (EPILEPSIAE), där 6 olika partners (sjukhus, universitet, företag) från 4 olika länder (Tyskland, Italien, Frankrike, Portugal) har varit involverade. Denna databas är inte gratis men görs tillgänglig för nedladdning vid betalning 2012. Nuförtiden är det den största epilepsi-EEG-databasen som finns tillgänglig i hela världen (http://epilepsy-database.eu/). Den innehåller data från 275 patienter, inklusive EEG- och EKG-registreringar, metadata, kliniska och tekniska kommentarer om data och klinisk information om patienterna. Faktiskt är bara 60 av 275 datauppsättningar tillgängliga för nedladdning. Syftet med denna studie är att skapa en långsiktig EEG-databas som förvärvats på epilepsipatienter under den icke-invasiva prekirurgiska monitorn vid Epilepsi Surgery Unit vid IRCCS Neuromed. Databasen kommer förutom EEG- och EKG-registreringar att innehålla kliniska och tekniska anteckningar om data från expertepileptologer och även klinisk information om patienten, inklusive neuropsykologiska utvärderingar. All data kommer först att anonymiseras, krypteras och sedan göras tillgänglig för gratis nedladdning. Databasen kommer att innehålla data från 200 epilepsipatienter som genomgick icke-invasiv prekirurgisk epilepsiövervakning vid Epilepsi Surgery Unit vid IRCCS Neuromed. I slutet av icke-invasiv EEG-övervakning kommer två expertepileptologer att inspektera EEG/EKG-data för att identifiera anfallen, särskilt kanalerna där anfallet börjar och tidpunkten, och allt kan vara av intresse för projektet. Alla inspelningar kommer att exporteras i ASCII-format (American Standard Code for Information Interchange) med programvaran DMS Data Management System (Nihon Kohden Europe Gmbh), version 2.9.8 och lagras lokalt. Samtidigt kommer kliniska och demografiska (endast kön och ålder) data att inhämtas för varje patient. I synnerhet kommer följande data att finnas tillgängliga för varje patient:

• Demografiska data (kön och ålder);
• Klinisk information (typ epilepsi, anfallsfrekvens,...);
• Neuropsykologiska data;
• EEG-data förvärvade enligt det internationella 10-20-systemet;
• EKG-data;
• Information om inspelningarna och anfallen (start- och sluttid, start- och sluttid för varje anfall, …)

All data från alla patienter kommer att inkluderas i en enda databas och varje patient kommer att lagras i ett enda komprimerat arkiv. Databasen kommer att göras tillgänglig efter slutförandet av en begäran som kan vidarebefordras av varje forskare med hjälp av en dedikerad URL, där forskaren kommer att fylla i ett formulär när den kommer att bli ombedd att tillhandahålla följande data:

• Information om den sökande (namn, adress, tillhörighet, …)
• GDPR-samtycke När begäran väl har tagits emot kommer det komprimerade arkivet som innehåller hela databasen att skyddas med ett ad-hoc alfanumeriskt lösenord. Ett sådant lösenord kommer att bestå av två delar: den första delen kommer att skickas via e-post till sökanden, den andra delen kommer att skickas med den vanliga posttjänsten (tvåvägsautentisering).