Kanttekening bij veelgebruikte methode om hersenaandoeningen in kaart te brengen

Een populaire techniek om hersenaandoeningen te bestuderen, de zogeheten lesion network mapping (LNM), blijkt een fundamentele beperking te hebben. Dat concluderen neurowetenschappers van de Vrije Universiteit Amsterdam en de Universiteit van Queensland (Australië) na een uitgebreide analyse van meer dan 200 studies.

De bevindingen roepen belangrijke vragen op over hoe betrouwbaar deze methode is voor het onderscheiden van specifieke hersennetwerken bij neurologische en psychiatrische aandoeningen. De kritische studie is gepubliceerd in Nature Neuroscience.

LNM wordt wereldwijd ingezet om hersenlaesies en andere lokale hersenveranderingen die zichtbaar zijn op MRI-scans, te koppelen aan onderliggende hersennetwerken. Zo hopen onderzoekers beter te begrijpen welke netwerken betrokken zijn bij aandoeningen als depressie, verslaving, psychose en epilepsie, om zo gerichter te kunnen behandelen. Opvallend genoeg laten veel van deze studies echter vrijwel dezelfde hersennetwerken zien, ongeacht de aandoening die werd onderzocht.

Standaardkaart van functionele verbindingen in het brein
Het team van University Research Chair (URC) hoogleraar computationele neurowetenschappen Martijn van den Heuvel van het CNCR zocht uit hoe dat kan. Zij heranalyseerden gegevens uit meerdere LNM-studies en bekeken de methode kritisch. Daaruit blijkt dat LNM in essentie steeds opnieuw gebruikmaakt van dezelfde standaardkaart van verbindingen in het brein. Door die herhaalde ‘bemonstering’ worden uiteenlopende hersenveranderingen – of die nu afkomstig zijn van patiënten, beeldvorming, of zelfs willekeurig zijn gegenereerd – steeds gekoppeld aan dezelfde algemene netwerkpatronen, zonder dat ze informatie geven over een ziekte.

“De methode projecteert allerlei soorten hersenveranderingen op dezelfde, niet-specifieke eigenschappen van de gebruikte databron,” legt Van den Heuvel uit. Daardoor ontstaan sterk op elkaar lijkende netwerken, terwijl juist verschillen tussen aandoeningen van groot belang zijn voor wetenschappelijk inzicht en klinische toepassingen.

‘Op de rem trappen’
Deze beperking heeft belangrijke implicaties. Inzicht in specifieke hersennetwerken vormt de basis voor gerichtere diagnoses en nieuwe behandelingen, zoals hersenstimulatie of gepersonaliseerde therapieën, waarvan er wereldwijd tientallen klinische trials lopen.  Nationale en internationale collega’s onderschrijven in de Volkskrant het belang van de gedane studie en stellen dat we ‘op de rem moeten trappen’.

Tegelijkertijd biedt het onderzoek ook perspectief. “Door de tekortkomingen van LNM bloot te leggen, hopen we bij te dragen aan de ontwikkeling van een nieuwe generatie netwerkkarteringsmethoden. Die moeten beter zijn gebaseerd op fundamentele principes om zo in staat te zijn om biologische netwerken achter verschillende hersenstoornissen te identificeren,” aldus Van den Heuvel.

Figuur laat een aantal voorbeelden zien van hoe dezelfde netwerken gevonden worden bij sterk uiteenlopende aandoeningen.