DoençasDinâmica/Doenças da dinamica

Dynamical diseases
Doenças da dinâmica
A caracteristica fundamental destas doenças é a
existência de uma modificação marcada da dinâmica de
uma, ou mais, variáveis biológicas em função do
tempo.
 O aspecto mais tipico é que uma variável que
normalmente tem um valor quase constante, ou apresenta
apenas pequenas variações aleatórias, repentinamente
desenvolve oscilações de grande amplitude.
Alternativamente:
 Pode acontecer que novos ritmos apareçam;
 Ou que certas actividades normalmente ritmicas
desapareçam.
Dynamical diseases
Exemplos de doenças dinâmicas:
 Inchaços periodicos das articulações;
 Flutuações periodicas da hematopoiése – por ex: neutropénia
cilclica e anemia aplástica;
 Leucémia crónica mielogénica e granulocitica;
 Alterações da dinamica do controle da glucose em
diabéticos;
 Enxaquecas periódicas;
 Epilepsias;
Ref: Leon Glass and Michael Mackey, From Clocks to Chaos:
the Rhythms of Life. Princeton University Press, 1st Edition
1988.
Dynamical diseases
Exemplos de doenças dinâmicas:
 Inchaços periodicos das articulações;
 Flutuações periodicas da hematopoiése – por ex: neutropénia
cilclica e anemia aplástica;
 Leucémia crónica mielogénica e granulocitica;
 Alterações da dinamica do controle da glucose em
diabéticos;
 Enxaquecas periódicas;
 Epilepsias;
Ref: Leon Glass and Michael Mackey, From Clocks to Chaos:
the Rhythms of Life. Princeton University Press, 1st Edition
1988.
Dynamical diseases
(a) Distribuição no
tempo do
numero de
leucócitos numa
rapariga de 12
anos com o
diagnóstico de
leucémia
granulocitica
crónica.
(b) Série temporal
produzida por
um modelo (nãolinear) da
hematopoiese
Dynamical diseases
Exemplos de doenças dinâmicas:
 Inchaços periodicos das articulações;
 Flutuações periodicas da hematopoiése – por ex: neutropénia
cilclica e anemia aplástica;
 Leucémia crónica mielogénica e granulocitica;
 Alterações da dinamica do controle da glucose em
diabéticos;
 Enxaquecas periódicas;
 Epilepsias;
Ref: Leon Glass and Michael Mackey, From Clocks to Chaos:
the Rhythms of Life. Princeton University Press, 1st Edition
1988.
Diário de bordo
29 30 31 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Março
Abril
2 3 4 5 6S D 2 3 4 5 6S D 2 3 4 5 6S D 2 3 4 5 6S D 2 3 4 5 6
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
Maio
Junho
S D 2 3 4 5 6S D 2 3 4 5 6S D 2 3 4 5 6S D 2 3 4 5 6S D 2 3 4
Distribuição ?
Histogram
Circunstâncias iniciais ?
14
12
10
8
6
4
2
0
4
6
8
10
12
14
16
18
Histograma de Intervalos
Enxaqueca
20
H
O
R
A
S
8
10
12
14
16
18
D 20
I 22
A 24
S 2
E 3
M 4
A 5
N 6
A S
D
Jejum
Viagem
Dynamical diseases
Exemplos de doenças dinâmicas:
 Inchaços periodicos das articulações;
 Flutuações periodicas da hematopoiése – por ex: neutropénia
cilclica e anemia aplástica;
 Leucémia crónica mielogénica e granulocitica;
 Alterações da dinamica do controle da glucose em
diabéticos;
 Enxaquecas periódicas;
 Epilepsias;
Ref: Leon Glass and Michael Mackey, From Clocks to Chaos:
the Rhythms of Life. Princeton University Press, 1st Edition
1988.
Epilepsias
Em geral as epilepsias caracterisam-se pela
ocorrência, de forma súbita, e repetida, de
perturbações do funcionamento cerebral e do
comportamento.
Estas perturbações manifestam-se sob a forma
de sintomas motores, sensoriais, psiquicos ou
do sistema nervoso autónomo.
Em muitos casos, mas não em todos, existe
uma perturbação transitória da consciência.
Epilepsias
Investigações epidemiológicas revelam que a
probabilidade de um individuo ter ataques
epilépticos na vida é de 3.2%.
A incidência da epilepsia varia entre 2070/100.000/ano.
A maior parte dos ataques epilépticos pode ser
controlada por meio de medicamentos antiepilépticos, mas uma minoria de cêrca de 2025% é refractária.
Resposta da Epilepsia às
terapêuticas
80%
5%
15%
• Controlados com
medicamentos = 80%
• Refractários = 20%
• Candidatos a uma
intervenção cirurgica =
5%
A transição entre o comportamento normal
das redes neuronais do cérebro e o
comportamento epiléptico
Dois sistemas do cérebro são especialmente
propensos para gerar manifestações epilépticas:
 O sistema tálamo-cortical. Ausências epilépticas
 O sistema limbico.
Epilepsia do Lobo
Temporal
A transição entre o comportamento normal
das redes neuronais do cérebro e o
comportamento epiléptico
Dois sistemas do cérebro são especialmente
propensos para gerar manifestações epilépticas:
 O sistema tálamo-cortical. Ausências epilépticas
 O sistema limbico.
Epilepsia do Lobo
Temporal
EEG
and
Video
during
an
epileptic
absence
Absence seizures, photosensitivity
and behavior
1. Hyperventilation –
absence - pressing
button,
2. Intermittent light
stimulation –
absence - click;
3. ILS – absence click;
4. Counting – ILSabsence –
counting;
5. ILS – counting –
no absence;
6. ILS – counting absence
Stichting Epilepsie Instellingen Nederland, Heemstede (SEIN)
courtesy Drs. Dimitri Velis and Jaime Parra
Epilepsias
O aspecto essencial nestes doentes, que sofrem ataques
epilépticos ou ausências, é que fóra dos ataques estes
doentes têm um comportamento normal.
Isto significa que estes doentes podem apresentar dois
tipos de comportamento totalmente diferentes:
Normal,
Ausências.
Em linguagem matemática podemos dizer que o sistema
neuronal é bi-estável.
Como é isto possivel?
Sistemas dinamicos não-lineares
Para responder a esta pergunta é útil reflectir sobre o
comportamento de sistemas de equações não-lineares:
Duffing Equation
http://theory2.phys.cwru.edu/~pete/java_chaos/DuffingApplet.html
Sistemas dinamicos não-lineares
Conclusões:
1. Sistemas não-lineares podem mostrar transições entre
regimes distintos;
2. Estas transições podem ser causadas por infimas variações
do valor de um parâmetro;
3. Este comportamento pode ser posto em evidência por meio
de mapas de fase.
Sistemas dinamicos não-lineares
É este modelo matemático relevante para melhor
compreender a forma de epilepsia caracterisada por
ausências?
Para responder a esta pergunta é importante dispôr de
um modelo computacional das redes neuronais
responsáveis pela ocorrência das ausências.
Epilepsias - Ausências
Left Lateral View
Rostral View
Brain areas (lateral
surfaces) that are engaged
in the initial transient of
epileptic activity,
displayed in red colors.
Bottom View
Top View
Right Lateral View
Caudal View
Epilepsias - Ausências
Right Sagittal View
Left Sagittal View
Brain areas (medial cortical –cingulate, parietal, temporal,
frontal - and thalamic surfaces) that are engaged in the initial
transient of an epileptic absence, displayed in red colors.
Hobson and Pace-Schott Nature Reviews/Neuroscience 2002, 3: 679-693.
Hobson and Pace-Schott Nature Reviews/Neuroscience 2002, 3: 679-693.
Basic neuronal network responsible for
3 Hz spike-and-wave paroxystic activity:
thalamo-cortical circuits
Cortex
Thalamus
Steriade 1999
Thalamocortical network
pyramidal cell
GABAergic interneuron
thalamic reticular (RE) neuron
Thalamic
Retic ular
Nuc leus
thalamocortical (TC) neuron
Thalamocortical
Relay
Nuc leus
Extracellular activity of a RE neuron (yellow) and
cortical field potential (green) recorded in the
GAERS during a spike and wave discharge
downloaded from Crunelli Research Group:
www. thalamus.org.uk
Exc itation
Medical Physics Department
Inhib ition
In both TC and RE cells
burst firing is provided
by IT calcium current
© SEIN, 2003
Model
scheme
pyramidal cells
population
interneuronal
population
thalamocortical cells
population
thalamic RE cells
population
external inputs
burst generation
process
© SEIN, 2003
GABA
A&B
Ca 2+ T-channel
Detail of the
computer model
of a thalamocortical network
capable of
displaying a
bifurcation
betweem two
states, (i) a
normal
oscillatory state,
and (ii) a
paroxystic
seizure state.
Realized using
the Simulink
toolbox of
Matlab.
Example
of a
bifurcation
between
two states:
“normal”
&
“seizure”
(absence
type),
both in
the model
and in
EEG real
signals.
Histerése
Simulation example
Simulated epoch
Power spectra
On-going state- model
Spindle - rat
Paroxysmal state - model
Paroxysm - rat
This is evidence for bi-stability: one network
two stable states
Influence of noise variance
Medical Physics Department
© SEIN, 2003
Lumped model of thalamo-cortical network
Corticocortical
input
Sum_
Sum1
Cortex - Pyr
2
AMPA
C7
2
PY sigmoid
GABAA
C9
GABAB
threshold
2
GABAB
CORTEX
Sum7
4
Delay
IN
C8
3
C10
IN sigmoid
AMPA
C11
C4
10
Delay
TCR
AMPA
Sensory input
AMPA
4
C2
Modulating input
GABAB
threshold
GABAA
TCR LTS
Sum
4
C3
8
GABAB
C1
THALAMUS
RE
RE LTS
AMPA
Sum3
15
C5
Sum2
RE input
GABAA
Sum5
2
C6
Computational model of thalamo-cortical networks
Parameter conditions for transition between normal and paroxystic oscillations:
influence of the gain low-threshold spikes = LTS: Ca2+ IT current and Na+
spikes. The gain G = 800 pps.
B. Low threshold spikes
140
G TCR/LTS
G RE/LTS
Inf
seizure threshold (PPS)
120
m(V).V(t).n(t)
gives the
fraction of
100
80
cells that fire
LTS at time t
60
Inf
40
20
0
-100
-80
-60
-40
-20
0
20
40
parameter change (%)
60
80
100
Computational model of thalamo-cortical networks
Parameter conditions for transition between normal and paroxystic oscillations:
Influence of change (amplitude and threshold) of GABAB inhibition in TCR
population.
C. GABAB, GABA
140
GABAB
GABA in TCR
seizure threshold (PPS)
120
100
80
60
Inf
40
20
0
-100
-80
-60
-40
-20
0
20
40
parameter change (%)
60
80
100
Computational model of thalamo-cortical networks
Parameter conditions for transition between normal and paroxystic
oscillations:
Influence of the cortico-thalamic input (gain c5) on RE population.
F. Gain Cx-RE
140
c5 (P = 80)
c5 (P = 110)
c5 (P = 140)
seizure threshold (PPS)
120
100
80
Inf
60
40
20
0
-100
-80
-60
-40
-20
0
20
40
parameter change (%)
60
80
100
Computational model of thalamo-cortical networks
Parameter conditions for transition between normal and paroxystic oscillations
Influence of sensory input and of cholinergic modulation
A. Inputs
140
Sensory input P
Cholinergic activation
seizure threshold (PPS)
120
Inf
100
80
60
40
20
0
-100
-80
-60
-40
-20
0
20
40
parameter change (%)
60
80
100
Computational model of thalamo-cortical networks
Parameter conditions for transition between normal and paroxystic oscillations
Influence of GABA-A at high and low sensory input level
D. GABAA, high sensory input
140
E. GABAA, low sensory input
140
GABAA in TCR
GABAA in TCR
GABAA in RE
GABAA in TCR+RE
100
80
60
40
100
80
60
40
20
20
0
0
-100
-80
-60
-40
-20
0
20
40
parameter change (%)
60
80
100
GABAA in TCR+RE
120
seizure threshold (PPS)
120
seizure threshold (PPS)
GABAA in RE
-100
-80
-60
-40
-20
0
20
40
parameter change (%)
60
80
100
Neuronal models and the routes to seizures
Experimental observations:
Cortical focus drives widespread corticothalamic networks during spontaneous absence
seizures in freely-moving WAG/Rij rat, a genetic
model of absence epilepsy.
Meeren, Pijn, van Luijtelaar, Coenen and Lopes da Silva,
J. Neurosci. 2002, 22:1480-1495.
O rato WAG/Rij como Modelo de Ausências
epilépticas
 Modelo animal genético.
 Sem defeitos neurologicos; o EEG de repouso é normal.
 Ausências caracterisadas por uma paragem do comportamento
e actividade paroxistica no EEG (pontas e ondas = spike
and wave ou SWDs).
 Resposta farmacológica semelhante à dos doentes com
ausências.
Cortico-Cortical Associations: Bilaterally Symmetric Sites
A.
1
3
13 11
9 7
14 12
10 8
6
5
3
5
Cx
left
7
9
1
11
4
13
2
2
4
Cx
right
6
8
10
12
14
1 mV
1s
intra-hemispheric associations
intra-hemispheric time delays
D.
14
y = -8.12x + 92.26
R2 = 0.59
80
y = -8.39x + 90.92
R2 = 0.78
60
CxL
CxR
CxL
40
CxR
20
0
y = 0.96x - 0.52 y = 1.16x - 1.30
R2 = 0.84
R2 = 0.45
12
100
association (%)
association (%)
100
C.
time delay (ms)
B.
10
8
6
4
2
0
0
2
4
6
8
10
electrode distance (mm)
12
INTRA- vs. INTERhemispheric
associations
(n=6)
80
60
(n=6)
40
20
0
0
2
4
6
8
10
electrode distance (mm)
12
INTRA
INTER
Meeren, Pijn, van Luijtelaar, Coenen and Lopes da Silva, J. Neurosci 2002,22:1480-95
Cortico-cortical
relations
Time Evolution
epochs
3
5
7
9
11 13 15 17
19 21 23 25
Meeren, Pijn, van Luijtelaar, Coenen and Lopes da Silva, J. Neurosci
2002,22(4):1480-1495.
Evolution of absence seizures: a summary
Cortico-Cortical. Intra-Thalamic
and Cortico-Thalamic relations
A. first 500 msec
Hindpaw
SmI
Thalamus
2.9
11.7
B. whole seizure
30.0
6.1
4.3
UpperLip
Nose
8.1
“FOCUS”
Hindpaw
SmI
Thalamus
4.9
29.3
VPM
VPL
9.9
18.4
3.1
8.8
Association (%)
70-80
60-70
50-60
40-50
30-40
20-30
VPM
UpperLip Nose
“FOCUS”
VPL
Meeren, Pijn, van Luijtelaar, Coenen and Lopes da Silva, J. Neurosci 2002,22:1480-95
Lumped model of thalamo-cortical network
Corticocortical
input
Sum_
Sum1
Cortex - Pyr
2
AMPA
C7
2
PY sigmoid
GABAA
C9
GABAB
threshold
2
GABAB
CORTEX
Sum7
4
Delay
IN
C8
3
C10
IN sigmoid
AMPA
C11
C4
10
Delay
TCR
AMPA
Sensory input
AMPA
4
C2
Modulating input
GABAB
threshold
GABAA
TCR LTS
Sum
4
C3
8
GABAB
C1
THALAMUS
RE
RE LTS
AMPA
Sum3
15
C5
Sum2
RE input
GABAA
Sum5
2
C6
Model simulation of cortical and thalamic
activity
mV
4
2
0
mV
-2
380
10
Cortex: PY
400
420
440
460
480
500
0
Thalamus: TCR
400
420
440
460
420
440of seizure
460
Beginning
480
397.5
398
seconds
500
Cortex
Thalamus
7 ms
mV
-10
380
15
10
5
0
-5
397
398.5
399
Modelos de Epilepsias Ausências
Um modelo de um sistema fisiológico é
especialmente interessante se pode prevêr
comportamentos ainda desconhecidos.
É isto válido para este caso?
Distribution of Durations
either of paroxysmal events or of interparoxysmal events
In common language:
simple calculation
In math language:
Probability of termination in
unit time : p
Probability of survival of unit
time : 1- p
P(t) = (1-p)(1-p)….(1-p)p
1 - p = e-λ  p = 1 - e-λ
P(t) = (1 - e-λ)e-λt
e-λ  1 - λ
P(t) = λe-λt
Exponential distribution
of process durations
Number of processes
Termination of a process
is random in time with
constant probability
Prediction
1
log
0.9
0.8
0.7
time
0.6
λe-λt
0.5
0.4
0.3
0.2
0.1
0
0
10
20
30
40
50
60
70
80
90
100
Process duration
Medical Physics Department
© SEIN, 2003
Distributions of epochs duration - comparison of
simulated and rat experimental data
Medical Physics Department
© SEIN, 2003
Quasi- exponential (a ~ 1) distribution . of
SWDs in rat (Nijmegen)
Quasi-exponential distribution of duration of
3 Hz paroxysms in a patient with absence
non-convulsive seizures during the night
Previsões do modelo
A previsão do modelo é que as transições entre o
comportamento normal e a ausência epiléptica devem
ocorrer de uma forma aleatória.
Isto foi verificado tanto no estudo teórico do modelo
computacional como experimentalmente pela
determinação de dois tipos de distribuições: (a) dos
intervalos entre crises paroxisticas e (b) da duração
das crises.
A hipótese que estas distribuições são exponenciais
não foi rejeitada neste grupo de observações
experimentais, tanto no rato como no homem.
Previsões do modelo
No entanto….
Pode esta conclusão ser generalisada a todos os
casos reais?
Não exactamente….
Gamma distribution of SWDs duration of
GAER rats
Neuronal modelling of epileptic
phenomena
O que é que estes desvios de uma distribuição
exponencial significam?
O facto de termos encontrado em certos casos
experimentais que a distribuição é de ‘tipo gama’
significa que a probabilidade da ocorrência de uma
crise paroxistica não é constante.
Nestes casos a probabilidade de uma crise
paroxistica ocorrer depois de outra crise é maior
consoante o intervalo fôr menor.
Neuronal modelling of epileptic
phenomena
Portanto temos de modificar o modelo?
Isto sugere que é necessário incluir um
parâmetro com memória – isto é que depende
do uso anterior.
Neuronal modelling of epileptic
phenomena
Real EEG signals
Statistics/
Dynamics
Signal analysis
Neuronal networks
Models/Simulated EEGs
Statistics/
Dynamics
Neuronal modelling of epileptic
phenomena
Estes resultados sugerem que em certos casos de
ausências é necessário incluír parâmetros com
propriedades plásticas.
Isto leva a formular uma nova hipótese:
Que a acumulação de iões de K+ ocorre durante uma
crise paroxistica o que afecta a excitabilidade das
redes neuronais.
Epilepsias como doenças dinâmicas
Os estudos do modelo, em comparação com os
dados experimentais, permitem tirar algumas
conclusões:
Epilepsias como doenças dinâmicas:
algumas conclusões
1. Uma medida da estabilidade de uma rede
neuronal é a distância (separatrix) entre a
bacia de atracção no estado normal e a que
corresponde ao estado epileptiforme.
2. Sob o ponto de vista da dinâmica como se
distingue um cérebro normal de um cérebro
anormal, isto é que apresenta ataques
epilépticos (ausências) repetidos?
3. Num cérebro epiléptico esta distância é
muitissimo mais pequena que num cérebro
normal.
Epilepsias como doenças dinâmicas:
algumas conclusões
4. Podemos distinguir 2 formas pelas quais a
transição entre o estado ‘normal’ e o estado
‘epiléptico’ pode ocorrer:
(i) Devido a flutuações aleatórias, portanto não
previsiveis.
(ii) Devido a variações de certos parâmetros
criticos, tanto (a) endógenos como (b) exógenos.
Estas transições podem ser previsiveis.
Thalamo-cortical networks may possess bi-stability.In Phase-space:
Phase-space
the normal steady-state is within the separatrix (
),
the complex oscillatory (paroxysmal) state is outside.
The distance between steady-state and separatrix is much larger in
the normal than in the epileptic brain. In this case random
fluctuations can easier lead to a transition to paroxysmal activity.
A transição entre o comportamento normal
das redes neuronais do cérebro e o
comportamento epiléptico
Dois sistemas do cérebro são especialmente
propensos para gerar manifestações epilépticas:
 O sistema tálamo-cortical. Ausências epilépticas
 O sistema limbico.
Epilepsia do Lobo
Temporal
A transição entre o comportamento normal
das redes neuronais do cérebro e o
comportamento epiléptico
Dois sistemas do cérebro são especialmente
propensos para gerar manifestações epilépticas:
 O sistema tálamo-cortical. Ausências epilépticas
 O sistema limbico.
Epilepsia do Lobo
Temporal
Lobo Temporal
Amigdala
Hipocampo
Amigdala
Rede neuronal do Hipocampo
Modulatory input
Gap-junctions
Acetylcholine
Apoptosis
Intrinsic
Noradrenaline
necrosis of
Currents
Input
Inhibitory
inter
neurons
Pyramidal
neurons
Feedforward
Inhibition
Sprouting
Input
Excitation
specific
cells
Inhibitory
inter
neurons
X
Feedback
Inhibition
Output
Loss of
connections
Dormant
Cells
Input
Synaptic strength
(plasticity,LTP, LTD)
Ephaptic interactions
Hippocampal Neuronal Population Model
Slow IN
Fast IN
Actividade
diminuida
nesta formas
de epilepsia
Modelo da rede neuronal do Hipocampo
Estudos fisiológicos e
genéticos mostraram
que os receptores para
o tansmissor sináptico
GABA-A apresentam
modificações que
causam uma
fragilidade da
actividade inibidora.
Slow IN
Fast IN
Este factor, e outros
associados, leva a que
o equilibrio dinâmico
das redes neuronais
deste sistema seja
sujeito a alterações
gradualmente
progressivas.
PET na Epilepsia do Lobo temporal
Visualização in vivo da distribuição dos
receptores GABA-A
Interictal Flumazenil-PET
vdSt
Modelo da rede neuronal do Hipocampo
Estudos fisiológicos e
genéticos mostraram que
os receptores para o
tansmissor sináptico
GABA apresentam
modificações que causam
uma fragilidade
da
actividade inibidora,
a qual perde
estabilidade.
Slow IN
Este factor, e outros
associados, leva a que o
equilibrio dinâmico das
redes neuronais deste
sistema seja sujeito a
Fast IN
alterações
gradualmente
progressivas.
Modelos neuronais e as transições para a
crises epiléptica com origem no Lobo
Temporal
O modelo computacional revela que neste
casos de Epilepsia do Lobo Temporal é
possivel identificar um estado pré-ictal com
propriedades que diferem tanto do estado
normal como da crise epiléptica.
Portanto, em principio deveria ser possivel
detectar este estado pré-ictal e, asssim, seria
possivel prevêr uma crise epiléptica do lobo
temporal com uma certa antecedência.
Vários investigadores têm tentado
detectar o estado pré-ictal mas sem
grande sucesso.
Nós tentámos fazê-lo com um
método novo em doentes com
epilepsia do lobo temporal, que são
candidatos para uma intervenção
cirurgica.
Estes doentes têm eléctrodos
implantados durante 1 ou 2
semanas para determinar a zona do
cérebro que deve ser removida
cirurgicamente.
Kalitzin, Velis, Suffczynski, Parra e
Lopes da Silva, Clin. Neurophysiol.2005
Parra, Kalitin, Iriarte, Blanes, Velis,
Lopes da Silva, Brain 2003.
Usàmos uma estimulação eléctrica
muito fraca para testar o estado
dinamico das redes neuronais
locais, intermitentemente durante
estas semanas.
Estimulação e registo com eléctrodos intra-cerebrais
Determinámos o
“indice de fase (rPCI)”
(ou indice de
sincronia) dos sinais
EEG de alta
frequência (gama) e
verificàmos que os
registos do EEG
perto da zona
epileptogénica (SOS)
tinham valores mais
elevados do que os
sinais registados em
locais mais
afastados.
Usando este
“indíce de
fase
(rPCI)”(ou
indíce de
sincronia) é
posssivel
fazer uma
previsão e
calcular a
probabilidade
de um doente
ter uma crise
dentro de um
determinado
tempo
em horas
Quando o valor do indíce de fase, ou indíce
de sincronia, é superior a 0.5 há um
probabilidade de mais de 80% que surja
uma crise epiléptica dentro de 4 horas
Em horas
Quando o valor do indíce de fase, ou indíce
de sincronia, é superior a 0.5 há um
probabilidade de mais de 80% que surja
uma crise epiléptica dentro de 4 horas
em horas
Epilepsias: poderá prevêr-se a crise?
 Conclusões e perspectivas para o futuro.
Epilepsia: poderá prevêr-se a crise?
• É possivel prevêr, com uma certa probabilidade, a
ocorrência de uma crise epiléptica de doentes com
epilepsia do lobo temporal refractária à terapeutica
medicamentosa?
• É possivel prevenir a ocorrência de uma crise epiléptica
usando esta informação?
Epilepsia: poderá prevêr-se a crise?
•
É possivel prevêr, com uma certa probabilidade, a ocorrência
de uma crise epiléptica de doentes com epilepsia do lobo
temporal refractária à terapeutica medicamentosa?
• É possivel prevenir a ocorrência de uma crise
epiléptica usando esta informação?
?
O caminho do futuro:
De prevêr a prevenir?
• Perspectivas reais e projecções para um
futuro não muito distante….
Estimulação em Circuito fechado em doentes
com epilepsia do lobo temporal
- num futuro não muito distante -
telemetria
Front-end
EEG
Analisador
automático
Micro-chip
Estimulador
Cérebro do
Doente
Nervo
Vago