Das System, das auf der Konferenz Advances in Knowledge Discovery and Data Mining (PAKDD) im Mai 2024 vorgestellt wurde, zeigte eine Verbesserung von 12 Prozent gegenüber den modernsten Modellen.
Der Clou: Die KI erkennt bestimmte Merkmale durch die Integration mehrerer Informationsquellen, die von KI-Systemen bei der Epilepsieerkennung normalerweise übersehen werden. Dabei spielen Daten der Positionen von EEG-Elektroden und der von ihnen überwachten Gehirnregionen eine wichtige Rolle. Aus diesen Daten berechnet die KI die genaue Art eines bestehenden Anfalls. Diese Technik hilft dem System auch, mit weniger Daten genaue Ergebnisse zu erzielen - selbst bei seltenen Anfallstypen, für die es in den Trainingsdaten nur wenige Beispiele gibt.
"Für die einfachsten Anwendungsfälle kann ein KI-System in der Regel sagen, ob jemand einen Anfall hatte, da es sich um eine einfache binäre Klassifizierung handelt", erklärt Mitautor Cyrus Shahabi, Professor für Informatik, Elektrotechnik und Raumwissenschaften an der University of Southern California.
"Aber es gibt andere, seltenere Arten von Anfällen, die nicht so einfach zu klassifizieren sind - bestehende Techniken haben eine geringe Genauigkeit bei dieser Aufgabe."
Als Beispiel nennt der Forscher atonische Anfälle, die häufig Kinder betreffen und zu einem plötzlichen Verlust der Muskelkontrolle führern. In diesem Fall würde das neue System die räumlichen Beziehungen in den Hirnregionen untersuchen - und die an der Muskelkontrolle beteiligten Hirnregionen auf Signale hin untersuchen, die den Anfall charakterisieren.
Mehr als 3,4 Millionen Menschen in den USA und 65 Millionen Menschen weltweit leiden an Epilepsie, einer neurologischen Störung, die das Nervensystem beeinträchtigt und Krampfanfälle verursacht. Einer von 26 Menschen erkrankt irgendwann in seinem Leben an Epilepsie, und 1 von 1000 Menschen mit Epilepsie stirbt jedes Jahr unerwartet.
Wie bei vielen Krankheiten beginnt die Behandlung der Epilepsie mit der Früherkennung. Die Weltgesundheitsorganisation schätzt, dass 70 Prozent der Menschen mit Epilepsie anfallsfrei leben könnten, wenn sie angemessen diagnostiziert und behandelt würden.
Im Laufe der Jahre wurden Techniken des maschinellen Lernens entwickelt, um Anfälle anhand von Elektroenzephalographie-Signalen (EEG) zu erkennen und zu klassifizieren, die mit Hilfe von Elektroden am Gehirn aufgezeichnet wurden. Dabei sucht die KI nach Zusammenhängen, die für den Menschen ohne KI-Unterstützung nicht auszumachen sind.
Diese Systeme haben jedoch Schwierigkeiten, seltene Formen von epileptischen Anfällen zu erkennen.
Original Paper:
[2405.09568] Dynamic GNNs for Precise Seizure Detection and Classification from EEG Data (arxiv.org)
Lesen Sie dazu auch:
DGKL: Intensivstation: Atemanalyse erlaubt Live-Überwachung bei Kindern mit Diabetes
