Project Details
Projekt Print View

Intraoperative monitoring of the facial nerve by automated categorisation of EMG-activity

Subject Area Clinical Neurology; Neurosurgery and Neuroradiology
Term from 2010 to 2020
Project identifier Deutsche Forschungsgemeinschaft (DFG) - Project number 183849231
 
Final Report Year 2022

Final Report Abstract

Bei chirurgischen Eingriffen im Kleinhirnbrückenwinkel besteht die Gefahr der Schädigung nervaler Strukturen und damit eines postoperativen Defizits. So ist bei Operationen von Vestibularisschwannomen (VS) der N. facialis potentiell einem Verletzungsrisiko ausgesetzt. Zur Vermeidung einer Schädigung werden verschiedene Techniken der intraoperativen Funktionsüberwachung eingesetzt. Neben der direkten Stimulation des Nerven (direkte elektrische Stimulation, DES) und transkraniell stimulierter motorisch evozierter Facialis-Potentiale (FMEP) wird das freilaufende EMG auf pathologische Muster hin überwacht. Hier sind insbesondere sog. A-Trains von Interesse, deren Gesamtmenge mit dem Ausmaß einer postoperativen Parese korreliert. Insbesondere bei Patienten mit einem vom N. facialis getrennt verlaufenden N. intermedius kann die Aussagekraft des A-Train-Monitoring jedoch eingeschränkt sein. Vorarbeiten zeigen, dass der N. intermedius motorische Fasern für die Innervation der Gesichtsmuskulatur führen kann. Bei einem getrennten Verlauf kann der N. intermedius intraoperativ leichter verletzt werden. Die dann meist in großer Zahl auftretenden „Intermedius“-A-Trains gehen jedoch allenfalls mit einer leichtgraden und passageren Parese einher. Ziel des Projekts war eine Abgrenzung solcher falsch-positiver „Intermedius“-A-Trains von A-Trains, die vom N. facialis ausgehen und mit einer postoperativen Parese korreliert sind. Zu diesem Zweck sollten die EMG-Muster bei intraoperativ protokollierter Verletzung des N. intermedius elektrophysiologisch charakterisiert werden. Zusätzlich war geplant Ableitmontagen für eine vermutete topographische Differenzierung zu optimieren. Schließlich sollte die Erfassung und Einteilung von postoperativen Facialisparesen durch eine neu entwickelte Methodik objektiviert werden. Ein wesentliches Ergebnis der Untersuchung von über 200 Patienten mit VS-OP war das weitestgehende Fehlen elektrophysiologischer Charakteristika, die eine einfache Unterscheidung von Intermedius- und Facialis-A-Trains ermöglichen würden. Allerdings zeigen die Daten vor allem bei Patienten mit separatem Intermediusverlauf ein Auftreten von A-Trains in Clustern, d.h. in einer Mehrzahl aller Kanäle innerhalb eines kurzen Zeitfensters von ca. 3 Sekunden. Die diffuse Verteilung der A-Train-Aktivität innerhalb solcher Cluster spricht gegen eine spezifische Topographie von Intermedius-Trains, so dass die Optimierung der Ableitmontage nicht weiterverfolgt wurde. Stattdessen wurden die Ergebnisse in einer folgenden Studie genutzt und mit weiteren prä- und intraoperativen Markern zu einer Gesamtanalyse kombiniert. Mittels Machine-Learning-Verfahren konnte auf dieser Basis eine Methodik entwickelt werden, die postoperative Paresen deutlich besser vorhersagt als die Auswertung der Einzelinformationen. Diese zeigt die beste Leistung, wenn Tumorgröße, präoperative Facialisfunktion und A-Train-Gesamtmenge kombiniert werden, insbesondere, wenn diese um die Cluster-A-Train-Muster korrigiert werden. Das Einbeziehen eines separaten Intermediusverlaufs hat dann keine weitere Verbesserung gebracht. Schließlich wurde in einer Pilotstudie die grundsätzliche Machbarkeit der Graduierung postoperativer Facialisparesen mittels Oberflächen-EMG gezeigt. Das weitestgehend Auswerter-unabhängige Verfahren stützt sich ebenfalls auf Machine-Learning-Verfahren und erscheint insbesondere für den Einsatz im Rahmen wissenschaftlicher Auswertungen zur Reduktion von Interrater-Variabilität geeignet. Auf Basis der erzielten Ergebnisse wurde ein Antrag auf Förderung eines Erkenntnistransferprojekts gestellt. Dieser wird derzeit bearbeitet. In dessen Rahmen wird das A-Train-Monitoring als Teil einer kommerziellen Plattform implementiert und so einer breiteren Anwendergruppe zugänglich gemacht.

Publications

  • Differenzierte Analyse des intraoperativen Elektromyogramms der mimischen Muskulatur bei Operationen im Kleinhirnbrückenwinkel. Halle (Saale), 2016. Dissertation
    Schmidt TR
  • A-train clusters and the intermedius nerve in vestibular schwannoma patients. Clin Neurophysiol. 2019 May;130(5):722-726
    Rampp S, Illert J, Krempler K, Strauss C, Prell J
    (See online at https://doi.org/10.1016/j.clinph.2019.02.014)
  • Facial Nerve EMG: Low-Tech Monitoring with a Stopwatch. J Neurol Surg A Cent Eur Neurosurg. 2021 Jul;82(4):308-316
    Prell J, Scheller C, Simmermacher S, Strauss C, Rampp S
    (See online at https://doi.org/10.1055/s-0040-1701616)
  • Learning from EMG: semi-automated grading of facial nerve function. J Clin Monit Comput. 2022 Jan 6
    Holze M, Rensch L, Prell J, Scheller C, Simmermacher S, Scheer M, Strauss C, Rampp S
    (See online at https://doi.org/10.1007/s10877-021-00793-y)
 
 

Additional Information

Textvergrößerung und Kontrastanpassung