Les crises d'épilepsie sont des événements imprévisibles qui peuvent ne survenir que rarement, d'où la nécessité d'une surveillance vidéo-EEG à long terme dans le diagnostic de l'épilepsie. Un neurophysiologiste clinicien peut alors examiner périodiquement les enregistrements EEG et analyser les crises qui ont pu se produire pendant la séance de surveillance. Cependant, l'examen d'un enregistrement EEG continu sur plusieurs jours peut prendre beaucoup de temps. En pratique, le patient peut indiquer qu'une crise se produit en utilisant un bouton d'alarme, de sorte que seules les sections d'enregistrement entourant la pression du bouton doivent être analysées. Malheureusement, il existe de nombreux cas où les patients ne sont pas conscients de la survenue de leurs propres crises. Un système automatisé de détection des crises peut donc être d'une grande utilité pour identifier les sections d'EEG qui doivent être examinées.
La principale difficulté de cette tâche réside dans la grande variété de schémas EEG qui peuvent caractériser une crise, tels que « une désynchronisation de faible amplitude, une activité polysaccharidique, des ondes rythmiques à une grande variété de fréquences et d’amplitudes, et des pics et des ondes » (Gotman, J Clin Neurophysiol, 16(2), 130-140, 1999).
|
Différents exemples de morphologies de crises. Le début de chaque crise est indiqué par des flèches verticales. |
Les méthodes de détection automatique des crises peuvent s'appuyer sur l'identification de divers schémas tels qu'une augmentation de l'amplitude, une activité rythmique soutenue ou un aplatissement de l'EEG. Différents algorithmes ont été développés en fonction des caractéristiques spectrales ou ondelettes, de l'amplitude par rapport à l'activité de fond et du contexte spatial. Ces caractéristiques peuvent ensuite être combinées dans un arbre de décision, un réseau neuronal artificiel ou un cadre bayésien pour identifier l'apparition de crises.
Il est crucial que les systèmes de détection des crises aient une grande sensibilité aux crises, même si cela entraîne un grand nombre de fausses détections. De tels systèmes peuvent alors être utilisés pour réduire considérablement la quantité de données à examiner ; un neurologue peut alors facilement écarter les fausses détections.
Contrairement aux systèmes de détection des crises appliqués sur des enregistrements à long terme, des systèmes d'alerte de crise ont été développés pour détecter les crises en temps réel dès que possible après leur apparition. Un petit délai de détection pourrait permettre aux patients de prendre des mesures appropriées, comme s'asseoir pour éviter les blessures, avant même qu'ils ne soient eux-mêmes conscients qu'une crise a commencé. Il pourrait également être possible d'administrer un traitement tel qu'une stimulation électrique ou une injection de médicament pour arrêter l'évolution de la crise. Il existe également de nombreux types de crises pour lesquels très peu de signes cliniques sont observables, mais pour lesquels un meilleur diagnostic pourrait être réalisé en interrogeant le patient au début de la crise. Une détection précoce pourrait également être utile dans le cadre d'un examen SPECT ictal, qui devrait être effectué le plus près possible du début de la crise. Il serait plus important pour un système d'alerte de crise d'avoir une spécificité élevée plutôt qu'une sensibilité élevée. Le personnel clinique commencerait probablement à ignorer les avertissements du système s'il y avait beaucoup de fausses détections. Nous avons développé des systèmes d'alerte de crise adaptatifs intégrant des informations sur le contexte spatial et l'état clinique du patient pour réduire le nombre de fausses détections.