MEEG – Mobile Elektro-EncefaloGram
Dit project onderzoekt de haalbaarheid van een mobiel EEG-systeem voor snelle diagnose van hersenaandoeningen in ambulances.
Projectdetails
Inleiding
Jaarlijks krijgen naar schatting 130.000 mensen in Nederland te maken met enige vorm van hersenletsel door bijvoorbeeld een ongeluk, een tumor, een hartstilstand, een herseninfarct of een hersenbloeding. Snelle en correcte behandeling van hersenletsel is van levensbelang. Hiermee wordt de kans op blijvend hersenletsel verkleind.
Expertise in Behandeling
De behandeling van de verschillende vormen van hersenletsel vergt vergaande expertise. Niet ieder Nederlands ziekenhuis is uitgerust met de kennis en expertise om deze verschillende vormen van hersenletsel te kunnen behandelen.
Bijvoorbeeld, Intra-arteriële trombectomie (IAT) is de standaardbehandeling voor patiënten met een herseninfarct bij een occlusie van een groot bloedvat (large vessel occlusion, hierna: LVO). IAT wordt in een beperkt aantal ziekenhuizen gedaan.
Probleemstelling
De helft van de patiënten met een LVO wordt in een regioziekenhuis gepresenteerd en in tweede instantie overgeplaatst naar een IAT-ziekenhuis. Dit vertraagt de start van de behandeling met ongeveer een uur en verkleint zo de kans op herstel.
Directe presentatie in een IAT-ziekenhuis van alle patiënten met verdenking op een herseninfarct is niet haalbaar:
- Slechts ongeveer 7% van hen heeft een LVO.
- De IAT-ziekenhuizen zouden enorm worden overbelast.
Er is dus een methode voor selectie van patiënten met verondersteld hersenletsel nodig.
Onderzoek naar EEG
Uit eerdere studies is gebleken dat een Elektro-Encefalogram (hierna: EEG) kan worden ingezet om het type hersenletsel vast te stellen. Door ambulancemedewerkers de mogelijkheid te bieden om ter plaatse een EEG te maken, kan het type hersenletsel al voor aankomst bij het ziekenhuis worden bepaald.
Bij een LVO kan er bijvoorbeeld worden besloten om door te rijden naar een IAT-ziekenhuis, waardoor er kostbare tijd wordt gewonnen en de kans op blijvend hersenletsel drastisch wordt verkleind.
Uitdagingen van EEG
Een nadeel van een EEG is de voorbereidingstijd en de vereiste nauwkeurigheid van de meting. Elektrodes dienen met een geleidende gel op de juiste locatie op het hoofd te worden aangebracht. Bij een verkeerde applicatie van de elektrodes zijn ze onbruikbaar.
Ambulancemedewerkers in deze situatie hebben niet de tijd en niet de middelen om deze EEG-elektrodes met veel aandacht aan te brengen. Daarnaast vergt interpretatie van de signalen enige kennis en expertise van de ambulancemedewerker.
Kunstmatige Intelligentie
Met behulp van kunstmatige intelligentie kunnen patronen in de EEG-meting worden herkend. Deze patronen kunnen vervolgens worden gebruikt om het type hersenaandoening te herkennen. Dit resultaat kan de ambulancemedewerker vervolgens gebruiken om in een vroeg stadium te beslissen om door te rijden naar het ziekenhuis met de meeste expertise voor de gediagnostiseerde hersenaandoening van de patiënt in kwestie.
Projectdoelstellingen
Dit project beoogt een haalbaarheidsstudie naar de ontwikkeling van een mobiel EEG-systeem om hersenaandoeningen op locatie of onderweg in de ambulance te diagnosticeren, gebaseerd op vier kernpunten:
- Onderzoek of EEG-elektrodes voor directe inzetbaarheid haalbaar zijn. Denk bijvoorbeeld aan een EEG-cap met vooraf aangebrachte geleidende gel. Hierbij kan bijvoorbeeld gebruik worden gemaakt van op textiel geprinte elektrodes.
- Onderzoek naar de haalbaarheid van hardware voor mobiele EEG-metingen en de benodigde resolutie voor een betrouwbare meting waar de diagnose van een hersenaandoening op kan worden gebaseerd.
- Onderzoek naar de haalbaarheid van de inzet van kunstmatige intelligentie om patronen in verschillende hersenaandoeningen te herkennen en de implementatie van software om de ambulancemedewerker te kunnen adviseren in de vroegtijdige diagnose van een specifieke hersenaandoening.
- Een eerste proof of concept systeemimplementatie van de eerdergenoemde kernpunten om de haalbaarheid van het MEEG-project te evalueren.
Financiële details & Tijdlijn
Financiële details
Subsidiebedrag | € 20.000 |
Totale projectbegroting | € 65.000 |
Tijdlijn
Startdatum | 1-5-2023 |
Einddatum | 31-10-2023 |
Subsidiejaar | 2023 |
Partners & Locaties
Projectpartners
- Mentech Engineering B.V.penvoerder
Land(en)
Vergelijkbare projecten binnen MIT Haalbaarheid
Project | Regeling | Bedrag | Jaar | Actie |
---|---|---|---|---|
MEEG – Mobile Elektro-EncefaloGramHet project ontwikkelt een AI-gestuurd systeem voor ambulancemedewerkers om snel en nauwkeurig hersenletsel te diagnosticeren via EEG, waardoor tijdige behandeling in IAT-ziekenhuizen mogelijk wordt. | Mkb-innovati... | € 20.000 | 2023 | Details |
Project MITH Nico.labDit project onderzoekt de haalbaarheid van EEG-herseninfarct triage in ambulances met AI-algoritmen om snel en nauwkeurig patiënten te identificeren voor directe behandeling. | Mkb-innovati... | € 20.000 | 2020 | Details |
StrokePointerTrianecT ontwikkelt StrokePointer, een medisch EEG-apparaat voor ambulancepersoneel om binnen 3 minuten LVO-herseninfarcten te detecteren, met als doel snellere en betere patiëntverzorging. | Mkb-innovati... | € 20.000 | 2023 | Details |
Predictive Epilepsy TreatmentCascar ontwikkelt een AI-gebaseerde Userinterface voor het analyseren van EEG-data van epilepsiepatiënten, om afwijkingen sneller te identificeren en patiënten meer controle te geven over hun behandeling. | Mkb-innovati... | € 19.992 | 2020 | Details |
STRICT (STRoke diagnostiC Tool)Dit project onderzoekt de haalbaarheid van een ambulance-test voor het vaststellen van beroerte-type via bloed-RNA's, om snelle behandeling en herstel te bevorderen. | Mkb-innovati... | € 20.000 | 2022 | Details |
MEEG – Mobile Elektro-EncefaloGram
Het project ontwikkelt een AI-gestuurd systeem voor ambulancemedewerkers om snel en nauwkeurig hersenletsel te diagnosticeren via EEG, waardoor tijdige behandeling in IAT-ziekenhuizen mogelijk wordt.
Project MITH Nico.lab
Dit project onderzoekt de haalbaarheid van EEG-herseninfarct triage in ambulances met AI-algoritmen om snel en nauwkeurig patiënten te identificeren voor directe behandeling.
StrokePointer
TrianecT ontwikkelt StrokePointer, een medisch EEG-apparaat voor ambulancepersoneel om binnen 3 minuten LVO-herseninfarcten te detecteren, met als doel snellere en betere patiëntverzorging.
Predictive Epilepsy Treatment
Cascar ontwikkelt een AI-gebaseerde Userinterface voor het analyseren van EEG-data van epilepsiepatiënten, om afwijkingen sneller te identificeren en patiënten meer controle te geven over hun behandeling.
STRICT (STRoke diagnostiC Tool)
Dit project onderzoekt de haalbaarheid van een ambulance-test voor het vaststellen van beroerte-type via bloed-RNA's, om snelle behandeling en herstel te bevorderen.
Vergelijkbare projecten uit andere regelingen
Project | Regeling | Bedrag | Jaar | Actie |
---|---|---|---|---|
S4E-platform: Simulaties en Signaaldetectie voor EpilepsieHet project ontwikkelt een AI-platform (S4E) voor het voorspellen van epilepsiesubtypes via hersensimulaties en fNIRS, om diagnostiek en behandeling te verbeteren. | Mkb-innovati... | € 331.450 | 2023 | Details |
EEGX2Dit project ontwikkelt een softwaretool voor vroegtijdige dementiedetectie via EEG-analyse, gebruikmakend van goedkope hardware en geavanceerde algoritmes, in samenwerking met zorginstellingen. | Mkb-innovati... | € 120.943 | 2023 | Details |
“EEG-based DIagnosis Support solutiON” (EDISON) to help close the epilepsy diagnosis gap in Low- and Middle-Income Countries (LMICs) by combining low CAPEX and AI-guided capture with telemedicineBrainCapture is developing an affordable EEG-based diagnosis service for epilepsy in LMICs, utilizing mobile technology and AI for remote analysis by neurologists to improve access to care. | EIC Accelerator | € 2.078.428 | 2022 | Details |
Enabling Unobtrusive Real-World Monitoring of Brain-Networks with Wearable Neurotechnology and Multimodal Machine LearningThe INTEGRAL project aims to develop a hybrid wearable platform combining HD-DOT and EEG for continuous brain network imaging in everyday environments, enhancing neurotechnology research and applications. | ERC Starting... | € 1.654.850 | 2025 | Details |
AEGEUS - A Novel EEG Ultrasound Device for Functional Brain Imaging and NeurostimulationDevelop a novel wearable device combining ultrasound imaging and EEG for enhanced diagnosis and treatment of neurological disorders, aiming for improved patient outcomes and research advancements. | EIC Pathfinder | € 2.998.988 | 2023 | Details |
S4E-platform: Simulaties en Signaaldetectie voor Epilepsie
Het project ontwikkelt een AI-platform (S4E) voor het voorspellen van epilepsiesubtypes via hersensimulaties en fNIRS, om diagnostiek en behandeling te verbeteren.
EEGX2
Dit project ontwikkelt een softwaretool voor vroegtijdige dementiedetectie via EEG-analyse, gebruikmakend van goedkope hardware en geavanceerde algoritmes, in samenwerking met zorginstellingen.
“EEG-based DIagnosis Support solutiON” (EDISON) to help close the epilepsy diagnosis gap in Low- and Middle-Income Countries (LMICs) by combining low CAPEX and AI-guided capture with telemedicine
BrainCapture is developing an affordable EEG-based diagnosis service for epilepsy in LMICs, utilizing mobile technology and AI for remote analysis by neurologists to improve access to care.
Enabling Unobtrusive Real-World Monitoring of Brain-Networks with Wearable Neurotechnology and Multimodal Machine Learning
The INTEGRAL project aims to develop a hybrid wearable platform combining HD-DOT and EEG for continuous brain network imaging in everyday environments, enhancing neurotechnology research and applications.
AEGEUS - A Novel EEG Ultrasound Device for Functional Brain Imaging and Neurostimulation
Develop a novel wearable device combining ultrasound imaging and EEG for enhanced diagnosis and treatment of neurological disorders, aiming for improved patient outcomes and research advancements.