Epilepsie-Patienten leiden unter plötzlichen Krampfanfällen, die wie aus heiterem Himmel über sie ehereinbrechen. Jetzt haben Forscher eine Methode entwickelt, die ohne aufwändige Voranpassungen die charakteristischen Veränderungen der Gehirnströme unmittelbar vor einem Anfall erkennen und den Patienten warnen kann.
{1l}
Veränderungen neuronaler Aktivität treten meist einige Sekunden vor den ersten äußeren Anzeichen des Anfalls auf. Das nutzt die Methode aus, die die Wissenschaftler um Ralph Meier und Ad Aertsen am Bernstein Zentrum für Computational Neuroscience und der Universität Freiburg, entwickelt haben. Sie misst Gehirnströme der Patienten und wertet sie gleichzeitig automatisch aus. Dadurch könnten zukünftig Patienten und Klinikpersonal bei einem nahenden Anfall vorgewarnt werden. In Zukunft hofft man außerdem auf die Entwicklung von Implantaten, die gezielt Gehirnströme beeinflussen um einem beginnenden Anfall entgegenzuwirken. Für solche Systeme ist die rechtzeitige Erkennung des nahenden Anfalls eine Voraussetzung.
Kombination mehrerer Algorithmen
Dem Freiburger Verfahren zur Datenauswertung liegt die Elektroenzephalographie (EEG) zu Grunde. Mit Hilfe von auf der Kopfhaut angebrachten Elektroden werden Spannungsveränderungen des Gehirns durch die Schädeldecke gemessen. Bei einem epileptischen Anfall kommt es – je nach Anfallstyp – zu verstärkten Entladungen in bestimmten Frequenzbereichen oder es treten ungewöhnliche Entladungsmuster auf. Auch im gesunden EEG treten Schwingungen in verschiedenen Frequenzbereichen auf, die jeweils bestimmte Zustände des Gehirns wie Schlaf, Dösen oder Erregung widerspiegeln. Diese gesunden Schwingungsmuster mit Hilfe mathematischer Algorithmen von den epileptischen Entladungen verlässlich zu unterscheiden ist das Ziel der Freiburger Wissenschaftler.
Bisher gab es schon einige Ansätze, mit Hilfe von mathematischen Algorithmen die Auswertung des EEG zu automatisieren. Nicht jedes Verfahren aber eignet sich für jede Form von Anfällen. Um eine optimale Erfassung aller Anfallstypen zu gewährleisten, nutzten die Wissenschaftler um Meier daher verschiedene mathematische Auswertungsverfahren parallel. „Unsere Methode bedarf keiner
individuellen Anpassung, darüberhinaus eignet sie sich für alle Anfallstypen“, erklärt Meier.
Bereit für die klinische Anwendung
An etwa 1.400 Stunden Langzeit-EEG mit insgesamt 91 verifizierten Anfällen wendeten Meier und seine Kollegen das Verfahren an um seine Leistungsfähigkeit zu überprüfen. Fast alle Anfälle wurden von dem Verfahren rechtzeitig erkannt. Nur etwa einmal alle zwei Stunden produzierte ihr System eine Fehlankündigung eines Anfalls, der dann nicht stattfand.
Damit zeigt das Verfahren eine bessere Erkennungsgenauigkeit, als bisherige Methoden. Zusätzlich konnte das System verschiedene Anfallverläufe voneinander unterscheiden und trägt damit zur Epilepsiediagnose bei. „Im Prinzip ist das Programm bereit für eine klinische Anwendung, es sind nur noch ein paar technische Hürden bei der routinemässigen Anbindung an die klinsche Datenerfassung zu nehmen“, sagt Meier.
(Bernstein Centers for Computational Neuroscience, 27.05.2008 – NPO)
