Ein multimodaler Ansatz zur Detektion und Prädiktion von epileptischen Anfällen

• Antragstellerin: Professorin Dr. Solveig Vieluf
• Fachliche Zuordnung: Klinische Neurologie; Neurochirurgie und Neuroradiologie ; Kognitive, systemische und Verhaltensneurobiologie
• Förderung: Förderung von 2020 bis 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 436477205

Epilepsie ist eine der häufigsten neurologischen Krankheit mit weitreichenden Folgen für Patienten Die Krankheit selbst führt zu immer wiederkehrenden epileptischen Anfällen, die durch übermäßige elektrische Entladungen aus Gehirnzellgruppen verursacht werden. Patienten beschreiben die Unsicherheit darüber, wann ein epileptischer Anfall eintreten wird, als die größte Belastung in ihrem Alltag. Multimodale Armbänder bieten eine nicht-invasive und einfach zu bedienende Möglichkeit, die Funktion von autonomen Nervensystems (ANS), das anfallsbedingte Veränderungen zeigt, kontinuierlich zu überwachen. Allerdings fehlt es Biomarkern und Algorithmen zur zuverlässigen Anfallsprädiktion, aufgrund der hohen inter- und intraindividuellen Variabilität der ANS-Aktivität, bisher an Spezifität. Das Hauptziel meines Projekts ist es, Biomarker für die Anfallswahrscheinlichkeit zu identifizieren und einen Algorithmus zur Anfällsprädiktion zu entwickeln. Ich gehe davon aus, dass anfallsinduzierte Veränderungen der zentralen Aktivität, die sich innerhalb und zwischen den Subsystemen des ANS zeigen, einem multimodalen Muster folgen. Im Zusammenhang mit der Übererregbarkeit des Gehirns in prä-iktalen Phasen, die die zentrale Steuerung der Subsysteme des ANS, wie kardiales, respiratorisches und elektrodermales System, potenziell verändert, erwarte ich einen Anstieg in multimodalen Markern, die die zwischen den Subsystemen geteilten Informationen charakterisieren.Um multimodal Veränderungen des ANS zu analysieren, werde ich kontinuierlich aufgezeichnete Herzfrequenz, Atemfrequenz, elektrodermaler Aktivität und periphere Körpertemperatur in Kindern mit Epilepsie analysieren, mit gleichzeitiger Validierung epileptische Anfälle mit Video Elektoenzephalographie. Um theoretisch inspirierte Biomarker zu testen, werde ich den Informationsgehalt unimodaler Signale durch Entropiemaße innerhalb von Subsystemen und den Informationsaustausch durch mutual information charakterisieren. Entwicklung eines Algorithmus zur Anfallsprädiktion, der ein hohes Anfallsrisiko auf der Basis von ANS-Daten identifizieren kann. Durch die Verwendung von uni- und multimodalen Biomarkern, die auf Anfallsanfälligkeit hinweisen, werden Klassifikatoren und neuronale Netzwerke entwickelt, die eine Anfallsvorhersage auf individueller und Gruppenebene ermöglichen, zunächst nur für GTCS und dann auf alle Anfallsarten.Die Gastinstitution verfügt über eine einzigartige Datenbank mit ca. 300 ANS-Aufnahmen von Kindern mit diagnostizierter Epilepsie, die die Realisation des Projekts ermöglicht. Das erwartete Ergebnis sind Biomarker, die patientenübergreifend relevant sind und bei den meisten Patienten eine zuverlässige individuelle Anfallsprädiktion ermöglichen und eine Verbesserung. Die Ergebnisse tragen dazu bei die Lebensqualität von Menschen mit Epliepsie, ihren Angehörigen und Betreuern zu verbessern und möglicherweise die Kontrollierbarkeit von Anfällen zu erhöhen sowie Kosten zu reduzieren.

• DFG-Verfahren: Forschungsstipendien
• Internationaler Bezug: USA
• Gastgeber: Professor Dr. Tobias Loddenkemper