Het diagnosticeren van ADHD is een uitdaging, vooral omdat het proces sterk afhankelijk is van subjectieve rapportages van ouders en leraren, evenals de beoordeling door artsen. Dit roept vragen op over de nauwkeurigheid van de diagnoses.
De laatste jaren is de wetenschappelijke interesse in objectieve meetinstrumenten voor ADHD toegenomen, en een van de veelbelovende technieken is elektro-encefalografie (EEG). EEG is een relatief eenvoudige en betaalbare methode om de elektrische activiteit van de hersenen te meten. Onderzoekers zijn druk bezig om specifieke hersengolven te identificeren die uniek zijn voor ADHD-ers, met als doel een meer objectieve en betrouwbare diagnose mogelijk te maken.
EEG en ADHD: wat weten we tot nu toe?
EEG is een techniek die de elektrische activiteit van de hersenen registreert via elektroden die op de hoofdhuid worden geplaatst. Deze techniek wordt al decennialang gebruikt in de neurologie, bijvoorbeeld voor het opsporen van epilepsie. In het geval van ADHD zijn onderzoekers geïnteresseerd in bepaalde hersengolfpatronen, zoals de theta- en betagolven, die afwijkend kunnen zijn bij mensen met deze stoornis.
Stel je voor dat een kind, Jan, vaak moeite heeft om zich op school te concentreren en regelmatig impulsief gedrag vertoont. Zijn ouders en leerkrachten vermoeden ADHD, maar willen een objectieve bevestiging. Een EEG-test kan dan inzicht geven in de hersenactiviteit van Jan, waarbij onderzoekers mogelijk afwijkende theta/beta-verhoudingen (TBR) detecteren, een biomarker die vaak wordt gezien bij kinderen met ADHD. Zo’n afwijkend patroon kan dienen als een extra hulpmiddel bij het stellen van een nauwkeuriger diagnose.
Trends
In de afgelopen twee decennia is het aantal onderzoeken naar de toepassing van EEG bij ADHD enorm toegenomen. Een bibliometrische analyse, uitgevoerd op meer dan 1.100 wetenschappelijke publicaties tussen 2004 en 2023, toont een sterke toename in de belangstelling voor dit onderwerp. Het onderzoek laat zien dat de Verenigde Staten de meeste bijdragen leveren, gevolgd door Duitsland, China en het Verenigd Koninkrijk.
| Land | Aantal publicaties | Percentage van totaal |
|---|---|---|
| Verenigde Staten | 282 | 24,3% |
| Duitsland | 186 | 16,0% |
| China | 135 | 11,6% |
| Verenigd Koninkrijk | 121 | 10,4% |
| Australië | 110 | 9,5% |
Naast landen zijn er ook specifieke instellingen die een grote rol spelen in dit onderzoeksveld. De Universiteit van Londen, de Universiteit van Californië en de Harvard Universiteit behoren tot de meest productieve onderzoeksinstellingen op dit gebied.
Kerngebieden en nieuwe onderzoeksontwikkelingen
Het EEG-onderzoek naar ADHD richt zich op verschillende belangrijke gebieden. Een van de meest veelbelovende ontwikkelingen is het gebruik van neurofeedback, waarbij mensen leren om hun hersengolfpatronen te beïnvloeden. Neurofeedback kan bijvoorbeeld kinderen zoals Jan helpen om hun concentratie te verbeteren door real-time feedback te krijgen op hun hersenactiviteit. Dit soort niet-medicamenteuze behandeling kan een aantrekkelijk alternatief zijn voor ouders die terughoudend zijn om medicatie te gebruiken.
Daarnaast is er veel aandacht voor de theta/beta-verhouding (TBR), een specifiek hersengolfpatroon dat vaak voorkomt bij ADHD-patiënten. Onderzoek heeft aangetoond dat kinderen met ADHD vaak een verhoogde verhouding van theta- ten opzichte van betagolven hebben, wat mogelijk wijst op problemen met aandacht en impulscontrole. Ondanks de belofte van TBR als biomarker voor ADHD, is er nog enige controverse over de nauwkeurigheid en voorspelbaarheid ervan, vooral bij volwassenen.
Een ander opkomend gebied is het gebruik van machine learning en deep learning. Deze technologieën maken het mogelijk om grote hoeveelheden EEG-gegevens te analyseren en patronen te ontdekken die met het blote oog moeilijk te detecteren zijn. Onderzoekers hopen dat deze technieken in de toekomst de ADHD-diagnostiek verder kunnen verfijnen en zelfs kunnen helpen bij het ontwikkelen van gepersonaliseerde behandelingen.
Belangrijke bevindingen: wat leren we van EEG-data?
Een van de belangrijkste bevindingen uit EEG-onderzoek naar ADHD is de afwijking in de zogenaamde P300-golf, een hersensignaal dat optreedt ongeveer 300 milliseconden nadat iemand een stimulus opmerkt. Bij mensen met ADHD blijkt deze P300-golf vaak vertraagd of verzwakt te zijn, wat mogelijk wijst op problemen met aandacht en informatieverwerking.
Dergelijke afwijkingen in hersenactiviteit bieden waardevolle inzichten in de neurobiologische basis van ADHD en kunnen helpen bij het ontwikkelen van meer gerichte behandelingen. Bijvoorbeeld, studies tonen aan dat medicatie zoals methylfenidaat (beter bekend als Ritalin) de P300-golf kan normaliseren, wat suggereert dat het ook de onderliggende hersenactiviteit beïnvloedt, niet alleen de zichtbare symptomen.
De toekomst van EEG in ADHD-diagnostiek
De vooruitgang in EEG-onderzoek biedt hoop voor een objectievere en betrouwbaardere diagnose van ADHD. Deep learning, een vorm van kunstmatige intelligentie, speelt hierbij een steeds grotere rol. Deep learning-modellen kunnen patronen in EEG-data herkennen en worden al ingezet om ADHD met een hoge nauwkeurigheid te diagnosticeren. In sommige studies werd zelfs een nauwkeurigheid van 99% behaald bij het onderscheiden van ADHD-patiënten van gezonde controlepersonen.
Desondanks zijn er nog uitdagingen te overwinnen. De variatie in EEG-patronen tussen individuen maakt het moeilijk om een universeel toepasbaar model te ontwikkelen. Daarnaast is er meer onderzoek nodig om de toepasbaarheid van EEG en deep learning bij volwassen ADHD-patiënten te onderzoeken, aangezien veel van de huidige studies zich richten op kinderen.
Conclusie
Het gebruik van EEG in de diagnostiek van ADHD is de afgelopen twee decennia sterk gegroeid en biedt nieuwe mogelijkheden voor objectieve, biometrische diagnosemethoden. Hoewel er nog veel onderzoek nodig is, wijzen de bevindingen op het potentieel van technologieën zoals neurofeedback en deep learning om de diagnostiek en behandeling van ADHD te verbeteren. Dit kan uiteindelijk leiden tot een meer op maat gemaakte aanpak voor patiënten, waardoor zowel de diagnose als de behandeling van ADHD verder verfijnd kan worden.
Liu B, Liu X, Wei J, Sun S, Chen W, Deng Y. Global research progress of electroencephalography applications in attention deficit hyperactivity disorder: Bibliometrics and visualized analysis. Medicine (Baltimore). 2024 Sep 20;103(38):e39668. doi: 10.1097/MD.0000000000039668. PMID: 39312386; PMCID: PMC11419417.
