Ein neues KI-System könnte mehr Hoffnung für Menschen mit Epilepsie bieten

Wie Endgadget berichtet, haben zwei KI-Forscher möglicherweise ein System entwickelt, das neue Hoffnung für Menschen bietet, die an Epilepsie leiden – ein System, das “Anfälle mit 99,6-prozentiger Genauigkeit vorhersagen kann” und dies bis zu einer Stunde vor dem Anfall tut.

Dies wäre nicht der erste neue Fortschritt, da Forscher an der Technischen Universität (TU) in Eindhoven, Niederlande, bereits einen intelligenten Armreif entwickelt haben, der Anfälle während der Nacht vorhersagen kann. Aber die Genauigkeit und die kurze Zeitspanne, in der das neue KI-System arbeiten kann, wie IEEE Spectrum bemerkt, gibt mehr Hoffnung für etwa 50 Millionen Menschen auf der ganzen Welt, die an Epilepsie leiden (basierend auf den Daten der Weltgesundheitsorganisation). Von dieser Anzahl an Patienten können 70 Prozent ihre Anfälle mit Medikamenten kontrollieren, wenn sie rechtzeitig eingenommen werden.

Das neue KI-System wurde von Hisham Daoud und Magdy Bayoumi der University of Louisiana at Lafayette entwickelt und als “ein großer Schritt vorwärts von den bestehenden Vorhersagemethoden” gelobt. Wie Hisham Daoud, einer der beiden Forscher, die das System entwickelt haben, erklärt, “Aufgrund der unvorhersehbaren Anfallzeiten hat Epilepsie einen starken psychologischen und sozialen Effekt auf Patienten.”

Wie erklärt wird, “jede Person zeigt einzigartige Gehirnmuster, was es schwierig macht, Anfälle genau vorherzusagen.” Bisher haben die bestehenden Modelle Anfälle “in einem zweistufigen Prozess vorhergesagt, bei dem die Gehirnmuster manuell extrahiert und dann ein Klassifizierungssystem angewendet wird”, was, wie Daoud erklärt, die Zeit, die benötigt wird, um eine Anfallsvorhersage zu machen, verlängert.

In ihrem Ansatz, der in einer Studie veröffentlicht am 24. Juli in IEEE Transactions on Biomedical Circuits and Systems erklärt wird, “werden die Merkmalsextraktion und die Klassifizierungsprozesse in ein einziges automatisiertes System kombiniert, das eine frühere und genauere Anfallsvorhersage ermöglicht.”

Um die Genauigkeit ihres Systems weiter zu verbessern, haben Daoud und Bayoumi “einen weiteren Klassifizierungsansatz eingeführt, bei dem ein Deep-Learning-Algorithmus die räumlich-zeitlichen Merkmale der Gehirnaktivität des Patienten aus verschiedenen Elektrodenpositionen extrahiert und analysiert, was die Genauigkeit ihres Modells erhöht.” Da “EEG-Aufzeichnungen mehrere ‘Kanäle’ der elektrischen Aktivität umfassen können”, um den Vorhersageprozess noch weiter zu beschleunigen, haben die beiden Forscher “einen zusätzlichen Algorithmus angewendet, um die am besten geeigneten Vorhersagekanäle der elektrischen Aktivität zu identifizieren.”

Das vollständige System wurde dann an 22 Patienten im Boston Children’s Hospital getestet. Obwohl die Stichprobengröße klein war, erwies sich das System als sehr genau (99,6%) und hatte “eine geringe Tendenz zu falschen Positiven, bei 0,004 Falschalarmen pro Stunde.”

Wie Daoud erklärte, wäre der nächste Schritt die Entwicklung eines maßgeschneiderten Computerchips zur Verarbeitung der Algorithmen. “Wir arbeiten derzeit an der Entwicklung effizienter Hardware, die diesen Algorithmus einsetzt, wobei wir viele Fragen wie Systemgröße, Leistungsverbrauch und Latenz berücksichtigen, um sie für eine praktische Anwendung in einer komfortablen Weise für den Patienten geeignet zu machen.”