20.11.2026 10:48

Thema 4: Natural computing en neurotechnologie

Nizozemsko Radboud Universiteit Autor neuveden
Thema 4 van het Donders Instituut, onder leiding van José Marques, onderzoekt met natural computing en neurotechnologie het brein, gedrag en maatschappelijke gevolgen van neurologische aandoeningen. Onderzoekers gebruiken MRI-metingen en modellen om hersenveranderingen bij Parkinson in kaart te brengen en passen AI toe op 4.073 finger-tappingvideo’s om symptomen objectief te beoordelen. Ze ontwikkelen ook software voor adaptieve diepe hersenstimulatie en analyseren smartphonegebruik om sociale activiteit te meten; mensen met Alzheimer en, in mindere mate, mensen met geheugenklachten blijken minder tijd sociaal actief te zijn.
AI shrnutí

Van moleculen tot mensen en de samenleving: bij het Donders Instituut zetten we ons al jaren in om het brein, de cognitie en het menselijk gedrag in al hun complexiteit te ontrafelen. Bekijk hier hoe Thema 4, onder leiding van José Marques, deze visie in de praktijk brengt.

Moleculen en cellen

De ziekte van Parkinson: van de kleinste celstructuur tot de hele bevolking

Op het meest fundamentele niveau begint ons werk nog een paar stappen vóór de moleculen: bij de atoomkernen. Met MRI meten we bijvoorbeeld hoe de stroompjes (de spins van protonen) van waterstofatomen in watermoleculen zich gedragen. Deze piepkleine deeltjes geven ontzettend veel informatie over de structuur van onze hersenen. Zo kunnen we van alles in kaart brengen: van hersenactiviteit en de vorm van hersenstructuren tot de mate van myelinisatie (de beschermlaag rond zenuwbanen die snelle communicatie mogelijk maakt) en het ijzergehalte in het brein. IJzer is een onmisbare stof voor processen zoals zuurstoftransport, meyeline synthese en de aanmaak van signaalstoffen, maar moet goed worden opgeslagen om te voorkomen dat cellen beschadigd raken.

Onderzoekers binnen Thema 4 gebruiken geavanceerde modellen om deze moleculaire signalen te vertalen naar waardevolle inzichten over ziekten. Voortbouwend op normatieve modellen, een methode waarin de afdeling DCMN pionier is, en grote databestanden van de afdeling DCCN, gebruiken we hersenmetingen om veranderingen in de hersenvorm te koppelen aan verschillende vormen van Parkinson (Fraza et al., 2025).

Met ditzelfde type modellen, maar dan toegepast op lokale metingen van ijzerophopingen, konden onderzoekers van de DCCN een groter netwerk van hersengebieden (de basale ganglia) identificeren dat aangedaan is bij Parkinsonpatiënten (Chan et al., 2025). Ze onderzoeken nu hoe deze veranderingen zich uitbreiden naar de neo-cortex en hoe ze kunnen helpen om de congitieve functies van patiënten te voorspellen. Zo vormen moleculaire metingen het startpunt voor inzichten die uiteindelijk gelden voor de hele bevolking.

Individuen

Parkinson herkennen aan beweging en gedrag

Op het niveau van het individu maken we de stap van de microstructuur in het brein naar zichtbaar gedrag. Door kunstmatige intelligentie (machine learning) toe te passen op video-opnames van een simpele tik-taak met de vingers (finger-tapping), kunnen onderzoekers van de DCC automatisch de ernst van de symptomen inschatten via een officiële klinische schaal (de MDS-UPDRS) (Zarrat Ehsan et al., 2026).

Dankzij deze aanpak konden de wetenschappers de allereerste grootschalige dataset van finger-tapping presenteren, bestaande uit maar liefst 4.073 video-opnames. Dit biedt een praktische en objectieve manier om de motorische symptomen van Parkinson te meten, zowel in het ziekenhuis als bij mensen thuis.

Maatschappij

Patiënten begrijpen en helpen in het dagelijks leven

Tot slot kijken we op het niveau van de maatschappij hoe we de kwaliteit van leven van patiënten direct kunnen verbeteren. Als de ziekte van Parkinson vordert, is diepe hersenstimulatie een belangrijke behandeloptie. In plaats van één vaste instelling te gebruiken die 'voor altijd' hetzelfde blijft, ontwikkelen onderzoekers van de DCC flexibele, supersnelle software voor brein-computerinterfaces (BCI's) (Dold et al., 2025).

Dit platform maakt adaptieve diepe hersenstimulatie mogelijk, waarbij de stimulatie zich dynamisch aanpast aan wat de patiënt op dat moment nodig heeft. Dit zorgt voor een slimmere behandeling die inspeelt op de situatie, waardoor patiënten hun dagelijks leven gemakkelijker kunnen oppakken.

Hoewel de meesten van ons in het dagelijks leven geen brein-computerinterface dragen, hebben we wel bijna allemaal een smartphone op zak. Door mobiel gebruik te analyseren met slimme rekenmodellen (Markov Models), ontdekten onderzoekers van DCMN patronen van 'sociaal actieve' en 'inactieve' momenten.

Hoewel de meesten van ons in het dagelijks leven geen brein-computerinterface dragen, hebben we wel bijna allemaal een smartphone op zak. Door mobiel gebruik te analyseren met slimme rekenmodellen, ontdekten onderzoekers van DCMN patronen van 'sociaal actieve' en 'inactieve' momenten. Hieruit blijkt dat mensen met de ziekte van Alzheimer, en in mindere mate mensen met geheugenklachten, minder tijd doorbrengen in sociaal actieve toestanden (Leaning et al., 2025). Hun verminderde sociale betrokkenheid kan nu dus passief en in realtime worden gemeten via hun telefoon. De grote vraag is nu: ontdekken we dit hiermee vroeg genoeg om op tijd in te kunnen grijpen?



https://www.ru.nl/donders-institute/nieuws/thema-4-natural-computing-en-neurotechnologie