nach oben

Der Nervenarzt

Erschienen in:

08.06.2022 | Elektroenzephalografie | Leitthema

Schlafspindeln – Funktion, Detektion und Nutzung als Biomarker für die psychiatrische Diagnostik

verfasst von: Jules Schneider, Justus T. C. Schwabedal, Prof. Dr. rer. nat. Stephan Bialonski

Erschienen in: Der Nervenarzt | Ausgabe 9/2022

Einloggen, um Zugang zu erhalten

Zusammenfassung

Hintergrund

Die Schlafspindel ist ein Graphoelement des Elektroenzephalogramms (EEG), das im Leicht- und Tiefschlaf beobachtet werden kann. Veränderungen der Spindelaktivität wurden für verschiedene psychiatrische Erkrankungen beschrieben. Schlafspindeln zeigen aufgrund ihrer relativ konstanten Eigenschaften Potenzial als Biomarker in der psychiatrischen Diagnostik.

Methode

Dieser Beitrag liefert einen Überblick über den Stand der Wissenschaft zu Eigenschaften und Funktionen der Schlafspindeln sowie über beschriebene Veränderungen der Spindelaktivität bei psychiatrischen Erkrankungen. Verschiedene methodische Ansätze und Ausblicke zur Spindeldetektion werden hinsichtlich deren Anwendungspotenzial in der psychiatrischen Diagnostik erläutert.

Ergebnisse und Schlussfolgerung

Während Veränderungen der Spindelaktivität bei psychiatrischen Erkrankungen beschrieben wurden, ist deren exaktes Potenzial für die psychiatrische Diagnostik noch nicht ausreichend erforscht. Diesbezüglicher Erkenntnisgewinn wird in der Forschung gegenwärtig durch ressourcenintensive und fehleranfällige Methoden zur manuellen oder automatisierten Spindeldetektion ausgebremst. Neuere Detektionsansätze, die auf Deep-Learning-Verfahren basieren, könnten die Schwierigkeiten bisheriger Detektionsmethoden überwinden und damit neue Möglichkeiten für die praktische Anwendung von Schlafspindeln als Biomarker in der psychiatrischen Praxis eröffnen.

Antony JW, Piloto L, Wang M et al (2018) Sleep spindle refractoriness segregates periods of memory reactivation. Curr Biol 28:1736–1743.e4. https://doi.org/10.1016/j.cub.2018.04.020CrossRefPubMedPubMedCentral

Broughton R, Healey T, Maru J et al (1978) A phase locked loop device for automatic detection of sleep spindles and stage 2. Electroencephalogr Clin Neurophysiol 44:677–680. https://doi.org/10.1016/0013-4694(78)90134-7CrossRefPubMed

Chambon S, Thorey V, Arnal PJ et al (2019) DOSED: A deep learning approach to detect multiple sleep micro-events in EEG signal. J Neurosci Methods 321:64–78. https://doi.org/10.1016/j.jneumeth.2019.03.017CrossRefPubMed

Coppieters ’t Wallant D, Maquet P, Phillips C (2016) Sleep spindles as an Electrographic element: description and automatic detection methods. Neural Plast 2016:1–19. https://doi.org/10.1155/2016/6783812CrossRef

Crowley K, Trinder J, Kim Y et al (2002) The effects of normal aging on sleep spindle and K‑complex production. Clin Neurophysiol 113:1615–1622. https://doi.org/10.1016/S1388-2457(02)00237-7CrossRefPubMed

Fernandez LMJ, Lüthi A (2020) Sleep spindles: Mechanisms and functions. Physiol Rev 100:805–868. https://doi.org/10.1152/physrev.00042.2018CrossRefPubMed

Ferrarelli F, Huber R, Peterson MJ et al (2007) Reduced sleep spindle activity in schizophrenia patients. Am J Psychiatry 164:483–492. https://doi.org/10.1176/appi.ajp.164.3.483CrossRefPubMed

Goodfellow I, Bengio Y, Courville A (2016) Deep Learning. MIT Press, Cambridge, Masschusetts

Himanen SL, Virkkala J, Huhtala H, Hasan J (2002) Spindle frequencies in sleep EEG show U‑shape within first four NREM sleep episodes. J Sleep Res 11:35–42. https://doi.org/10.1046/j.1365-2869.2002.00273.xCrossRefPubMed

10.

Iber C, Ancoli-Israel S, Chesson AL Jr., Quan SF (2007) The AASM manual for the scoring of sleep and associated events: rules terminology and technical specifications, 1. Aufl. American Academiy of Sleep Medicine, Westchester

11.

Kaulen L, Schwabedal JTC, Schneider J et al (2022) Advanced sleep spindle identification with neural networks. Sci Rep 12:7686. https://doi.org/10.1038/s41598-022-11210-yCrossRefPubMedPubMedCentral

12.

Kulkarni PM, Xiao Z, Robinson EJ et al (2019) A deep learning approach for real-time detection of sleep spindles. J Neural Eng 16:36004. https://doi.org/10.1088/1741-2552/ab0933CrossRefPubMedPubMedCentral

13.

Lacourse K, Delfrate J, Beaudry J et al (2019) A sleep spindle detection algorithm that emulates human expert spindle scoring. J Neurosci Methods 316:3–11. https://doi.org/10.1016/j.jneumeth.2018.08.014CrossRefPubMed

14.

Lacourse K, Yetton B, Mednick S, Warby SC (2020) Massive online data annotation, crowdsourcing to generate high quality sleep spindle annotations from EEG data. Sci Data 7:1–14. https://doi.org/10.1038/s41597-020-0533-4CrossRef

15.

Mölle M, Bergmann TO, Marshall L, Born J (2011) Fast and slow spindles during the sleep slow oscillation: disparate coalescence and engagement in memory processing. Sleep 34:1411–1421. https://doi.org/10.5665/SLEEP.1290CrossRefPubMedPubMedCentral

16.

Nicolas A, Petit D, Rompre S et al (2001) Sleep spindle characteristics in healthy subjects of different age groups. Clin Neurophysiol 0(0):556–553. https://doi.org/10.1016/S1388-2457CrossRef

17.

Parekh A, Selesnick IW, Rapoport DM, Ayappa I (2015) Detection of K‑complexes and sleep spindles (DETOKS) using sparse optimization. J Neurosci Methods 251:37–46. https://doi.org/10.1016/j.jneumeth.2015.04.006CrossRefPubMed

18.

Purcell SM, Manoach DS, Demanuele C et al (2017) Characterizing sleep spindles in 11,630 individuals from the National Sleep Research Resource. Nat Commun 8:15930. https://doi.org/10.1038/ncomms15930CrossRefPubMedPubMedCentral

19.

Rasch B, Born J (2013) About sleep’s role in memory. Physiol Rev 93:681–766. https://doi.org/10.1152/physrev.00032.2012CrossRefPubMedPubMedCentral

20.

Ritter PS, Schwabedal J, Brandt M et al (2018) Sleep spindles in bipolar disorder—a comparison to healthy control subjects. Acta Psychiatr Scand 138:163–172. https://doi.org/10.1111/acps.12924CrossRefPubMed

21.

Schabus M, Dang-Vu TT, Albouy G et al (2007) Hemodynamic cerebral correlates of sleep spindles during human non-rapid eye movement sleep. Proc Natl Acad Sci U S A 104:13164–13169. https://doi.org/10.1073/pnas.0703084104CrossRefPubMedPubMedCentral

22.

Schabus M, Dang-Vu TT, Heib DPJ et al (2012) The fate of incoming stimuli during NREM sleep is determined by spindles and the phase of the slow oscillation. Front Neurol APR, S 1–11 https://doi.org/10.3389/fneur.2012.00040CrossRef

23.

Schimicek P, Zeitlhofer J, Anderer P, Saletu B (1994) Automatic Sleep-Spindle Detection Procedure: Aspects of Reliability and Validity. Clin Electroencephalogr 25:26–29. https://doi.org/10.1177/155005949402500108CrossRefPubMed

24.

Tapia NI, Estevez PA (2020) RED: Deep Recurrent Neural Networks for Sleep EEG Event Detection. 2020 Int. Jt. Conf. Neural Networks. IEEE, S 1–8

25.

Terzano MG, Parrino L, Sherieri A et al (2001) Atlas, rules, and recording techniques for the scoring of cyclic alternating pattern (CAP) in human sleep. Sleep Med 2:537–553. https://doi.org/10.1016/S1389-9457(01)00149-6CrossRefPubMed

26.

Wamsley EJ, Tucker MA, Shinn AK et al (2012) Reduced Sleep Spindles and Spindle Coherence in Schizophrenia: Mechanisms of Impaired Memory Consolidation? Biol Psychiatry 71:154–161. https://doi.org/10.1016/j.biopsych.2011.08.008CrossRefPubMed

27.

Warby SC, Wendt SL, Welinder P et al (2014) Sleep-spindle detection: crowdsourcing and evaluating performance of experts, non-experts and automated methods. Nat Methods 11:385–392. https://doi.org/10.1038/nmeth.2855CrossRefPubMedPubMedCentral

28.

Weiner OM, Dang-Vu TT (2016) Spindle oscillations in sleep disorders: A systematic review. Neural Plast 2016:1–30. https://doi.org/10.1155/2016/7328725CrossRef

29.

Wendt SL, Welinder P, Sorensen HBD et al (2015) Inter-expert and intra-expert reliability in sleep spindle scoring. Clin Neurophysiol 126:1548–1556. https://doi.org/10.1016/j.clinph.2014.10.158CrossRefPubMed

30.

You J, Jiang D, Ma Y, Wang Y (2021) SpindleU-Net: An Adaptive U‑Net Framework for Sleep Spindle Detection in Single-Channel EEG. IEEE Trans Neural Syst Rehabil Eng 29:1614–1623. https://doi.org/10.1109/TNSRE.2021.3105443CrossRefPubMed

Titel: Schlafspindeln – Funktion, Detektion und Nutzung als Biomarker für die psychiatrische Diagnostik
verfasst von: Jules Schneider
Justus T. C. Schwabedal
Prof. Dr. rer. nat. Stephan Bialonski
Publikationsdatum: 08.06.2022
Verlag: Springer Medizin
Schlagwörter: Elektroenzephalografie
Biomarker
Erschienen in: Der Nervenarzt / Ausgabe 9/2022
Print ISSN: 0028-2804
Elektronische ISSN: 1433-0407
DOI: https://doi.org/10.1007/s00115-022-01340-z

Neu in den Fachgebieten Neurologie und Psychiatrie

Hirnblutung unter DOAK und VKA ähnlich bedrohlich

17.05.2024 Direkte orale Antikoagulanzien Nachrichten

Kommt es zu einer nichttraumatischen Hirnblutung, spielt es keine große Rolle, ob die Betroffenen zuvor direkt wirksame orale Antikoagulanzien oder Marcumar bekommen haben: Die Prognose ist ähnlich schlecht.

ADHS-Medikation erhöht das kardiovaskuläre Risiko

16.05.2024 Herzinsuffizienz Nachrichten

Erwachsene, die Medikamente gegen das Aufmerksamkeitsdefizit-Hyperaktivitätssyndrom einnehmen, laufen offenbar erhöhte Gefahr, an Herzschwäche zu erkranken oder einen Schlaganfall zu erleiden. Es scheint eine Dosis-Wirkungs-Beziehung zu bestehen.

Delir bei kritisch Kranken – Antipsychotika versus Placebo

16.05.2024 Delir Nachrichten

Um die Langzeitfolgen eines Delirs bei kritisch Kranken zu mildern, wird vielerorts auf eine Akuttherapie mit Antipsychotika gesetzt. Eine US-amerikanische Forschungsgruppe äußert jetzt erhebliche Vorbehalte gegen dieses Vorgehen. Denn es gibt neue Daten zum Langzeiteffekt von Haloperidol bzw. Ziprasidon versus Placebo.

Schwindelursache: Massagepistole lässt Otholiten tanzen

14.05.2024 Benigner Lagerungsschwindel Nachrichten

Wenn jüngere Menschen über ständig rezidivierenden Lagerungsschwindel klagen, könnte eine Massagepistole der Auslöser sein. In JAMA Otolaryngology warnt ein Team vor der Anwendung hochpotenter Geräte im Bereich des Nackens.

Die Highlights vom Kongress des American College of Cardiology 2024

Springer Medizin

Zusammenfassung

Hintergrund

Methode

Ergebnisse und Schlussfolgerung

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Weitere Artikel der Ausgabe 9/2022

Die NVL Depression benötigt mutigere und differenziertere Aussagen zur Psychotherapie

Erratum zu: Die Einführung der Antipsychotika an der Neurologisch-Psychiatrischen Klinik der Universität Leipzig und ihre Auswirkungen auf andere Therapieformen sowie auf die Verweildauern und Verlegungen

Chronotherapie affektiver Störungen: Grundlagen und klinische Aspekte

CME: Kunsttherapie

Vagusnervstimulation bei schwer zu behandelnden Depressionen

Die revidierte Nationale Versorgungsleitlinie „Unipolare Depression“ ist mutig und differenziert – eine Antwort

Neu in den Fachgebieten Neurologie und Psychiatrie

Hirnblutung unter DOAK und VKA ähnlich bedrohlich

ADHS-Medikation erhöht das kardiovaskuläre Risiko

Delir bei kritisch Kranken – Antipsychotika versus Placebo

Schwindelursache: Massagepistole lässt Otholiten tanzen