Automatisierte Analyse der intraoperativen Fazialis-Elektromyographie

Abstract

Hintergrund und Ziele: Beim intraoperativen Neuromonitoring des Nervus facialis geht es um die Vermeidung postoperativer Fazialisparesen. Verbreitete Verfahren hierfür machen sich die aus der Gesichtsmuskulatur abgeleitete Fazialis-Elektromyographie (Fazialis-EMG) zunutze, deren akustische oder optische Darstellung hierzu von einem Auswerter beurteilt werden muss. Das Ziel der vorliegenden Arbeit war die Entwicklung eines sicheren, auswerterunabhängigen Verfahrens zur automatisierten Analyse des Fazialis-EMG. Methoden: Es wurde ein Computerprogramm entwickelt, das aus anderen Bereichen der Signalverarbeitung bekannte Verfahren mit neuen, eigens entwickelten Algorithmen kombiniert, um das intraoperative Fazialis-EMG zu analysieren. Das automatisierte Analyseverfahren wurde anhand von 40 Datensätzen von Patienten, die an einem Akustikusneurinom operiert wurden, evaluiert. Ergebnisse: Der aus der visuellen Analyse als pathologisch bekannte "A-train" wurde mit den Begriffen Element, Entität und Frequenzverhalten mathematisch exakt definiert, wodurch seine automatische Detektion durch ein eigens erstelltes Analyseprogramm ermöglicht wurde. Dieses Analyseprogramm erwies sich als geeignet, A-trains sicher zu erkennen. Durch Aufsummierung der Zeitabschnitte, während derer A-trains gemessen wurden, konnte ein neuer, quantitativer Parameter ermittelt werden, der als "Trainzeit" bezeichnet wurde. Die Trainzeit korreliert statistisch hoch signifikant mit der postoperativen Fazialisfunktion. Schlussfolgerungen: Ein auf dem quantitativen Parameter "Trainzeit" basierendes Verfahren könnte das intraoperative Neuromonitoring bei Operationen an Akustikusneurinomen entscheidend verbessern. Insbesondere das Drohen schwerer, postoperativer Fazialisparesen könnte damit rechtzeitig vorhergesehen werden. Der Transfer des Verfahrens in den Operationssaal als Echtzeit-Monitoring ist als sinnvoller, nächster Schritt zu erachten.

Introduction and Background: The main goal of intraoperative monitoring of the facial nerve is to avoid postoperative facial palsy. In this, most techniques in use today rely on electromyography from the facial muscles (facial nerve EMG); these signals are typically being interpreted acoustically and/or visually by an electrophysiologist. The work presented here aimed for the development and clinical testing of a system for reliable, automated analysis of the facial nerve EMG. Methods: A dedicated computer program was developed. It combined techniques commonly used in biosignal processing with new algorithms, which were customized for this purpose in order to analyze the intraoperative facial nerve EMG. The functionality of the program was evaluated using data sets recorded during the operative procedures of 40 patients operated upon acoustic neuroma. Results: The "A-train", known to be a specific pattern in facial nerve EMG which is pathognomonic for postoperative facial palsy, was defined mathematically by the terms element, entity and frequency in order to make automated detection of the pattern possible. The program using these definitions was shown to be able to reliably detect A-trains. By cumulating the time-intervals with detected A-train activity, a new, quantitative parameter was found, which was named "traintime". Traintime correlated with postoperative facial nerve function in a highly significant way. Conclusions: A monitoring technique based on the quantitative parameter traintime has a high potential to improve intraoperative neuromonitoring in surgery of the cerebellopontine angle. Severe postoperative facial palsy might thus be predicted and possibly avoided. The transfer of this method into the operating room as a real-time monitoring-technique should be advanced consequently as the next logical step.