Voor een deel van de patiënten met epilepsie kan resectieve chirurgie in de epileptogene zone (EZ) ervoor zorgen dat de aanvallen voorkomen worden. Bij die ingreep wordt een deel van het hersenweefsel verwijderd waar de aanvallen vandaan komen. Het bepalen van de exacte locatie van de EZ gebeurt met een aantal tests, zoals een MRI, EEG en intracraniële EEG. Large language modellen (LLM’s), zoals ChatGPT, kunnen ertoe bijdragen de exacte locatie van de EZ nauwkeuriger te bepalen en de slagingskans van resectieve chirurgische ingrepen, die momenteel tussen de 50 en 60 procent schommelt, te verbeteren, zo blijkt uit nieuw onderzoek.
Wereldwijd lijden meer dan 70 miljoen mensen aan epilepsie, een van de meest voorkomende neurologische aandoeningen die wordt gekenmerkt door terugkerende aanvallen. Ongeveer een derde van de epilepsiegevallen kan niet onder controle worden gehouden met medicijnen. Voor deze patiënten kan chirurgische resectie van de epileptogene zone (EZ) een effectieve optie zijn om aanvallen te verminderen of te elimineren.
Om de EZ's te identificeren, ondergaan patiënten een reeks tests, waaronder MRI, elektro-encefalografie of EEG en intracraniële EEG. Epileptologen gebruiken deze gegevens en beelden om de zogenaamde aanvalssemiologie te beschrijven - de symptomen en gedragingen tijdens aanvallen. Deze informatie wordt gebruikt om de locatie van de EZ's te voorspellen.
Verschil in taalgebruik
De taal die epileptologen gebruiken om de aanvalssemiologie te beschrijven kan echter per epilepsiecentrum verschillen. “Verschillende epilepsiecentra kunnen verschillende termen gebruiken om dezelfde aanvalssemiologie te beschrijven,” zegt Feng Liu, assistent-professor aan de afdeling Systems and Enterprises, Schaefer School of Engineering and Science aan het Stevens Institute of Technology.
“De termen 'asymmetrische houding' en 'asymmetrische tonische activiteit' kunnen bijvoorbeeld gebruikt worden om hetzelfde te beschrijven. Er zijn veel termen die naar hetzelfde kunnen verwijzen, maar verschillende centra kunnen verschillende terminologie gebruiken om het te beschrijven”, aldus Liu. Hij geeft als voorbeeld de houding waarbij één arm of been gestrekt is terwijl de andere gebogen is.
Dat zorgt voor een zekere inconsistentie, wat chirurgen voor uitdagingen stelt. Vanwege de beschrijvende aard van de semiologie van aanvallen, kunnen grote taalmodellen of LLM's zoals ChatGPT, die zijn getraind op een enorme cohort van openbare gegevens, een waardevol hulpmiddel zijn om EZ's te helpen identificeren.
Liu en zijn team van medewerkers evalueerden de klinische waarde van het gebruik van ChatGPT om semiologie van aanvallen te interpreteren om de EZ-locatie te voorspellen. “LLM’s, zoals ChatGPT, kunnen waardevolle hulpmiddelen zijn voor het analyseren van complexe tekstuele informatie, het helpen interpreteren van aanvalssemiologische beschrijvingen en het nauwkeurig lokaliseren van epileptogene zones,” zegt Liu.
Enquête onder epileptologen
Voor het onderzoek ondervroeg het team vijf gediplomeerde epileptologen die een online enquête invulden met 100 vragen over de lokalisatie van EZ's op basis van de beschrijving van de aanvalssemiologie. Vervolgens gebruikte het team ChatGPT om dezelfde taak uit te voeren en vergeleek de prestaties van ChatGPT met die van epileptologen.
Daaruit bleek de antwoorden van ChatGPT overeenkwamen met of beter presteerden dan de antwoorden van epileptologen met betrekking tot de regio's waar epileptogene zones zich gewoonlijk bevinden, zoals de frontale kwab en de temporale kwab van de hersenen. Epileptologen gaven echter nauwkeurigere antwoorden in gebieden waar EZ's zelden voorkomen, zoals de insula en de cingulate cortex. Deze bevindingen zijn gepubliceerd in het Journal of Medical Internet Research.
Om de prestaties van LLM’s verder te verbeteren, bouwde het team de eerste LLM speciaal voor het interpreteren van aanvalssemiologie, EpiSemoLLM genaamd, die gehost wordt op een GPU-server van het Stevens Institute of Technology. Dit platform kan voor neurochirurgen en epileptologen een nuttige assistent zijn bij de besluitvorming tijdens de prechirurgische workupfase. “Onze resultaten tonen aan dat LLM’s een waardevol hulpmiddel kunnen zijn bij de preoperatieve beoordeling voor epilepsiechirurgie, maar het beste resultaat kan behaald worden als de mens en AI samenwerken”, aldus Liu.
LLM’s in de zorg
Begin dit jaar schreven wij over een ander initiatief waarbij LLM’s ingezet worden om Alzheimer eerder te kunnen diagnosticeren. Wetenschappers ontwikkelden DEMENTIA, een raamwerk voor multitask learning, dat gebruik maakt van LLM-technologie om cognitieve functiescores te voorspellen.
Toch moet bij het gebruik van LLM’s voor medische beslissingen nog wel de nodige voorzichtigheid en terughoudendheid betracht worden. Dat concludeerde een vergelijkend Israëlisch onderzoek naar de mogelijkheden van large language modellen (LLM's) die gespecialiseerd zijn in het onderzoeken en vergelijken van medische informatie. Het onderzoek toonde aan dat de meeste LLM’s, ook varianten die specifiek getraind waren op medische gegevens, niet bijster goed en nauwkeurig presteerden.
