ArchivDeutsches Ärzteblatt14/1997Künstliche Intelligenz zur Auswertung von Elektroenzephalogrammen

VARIA: Technik für den Arzt

Künstliche Intelligenz zur Auswertung von Elektroenzephalogrammen

Kempe, Lisa

Als E-Mail versenden...
Auf facebook teilen...
Twittern...
Drucken...
LNSLNS Computerhirne mit künstlichen neuronalen Netzen (KNN) sollen in naher Zukunft bei der Auswertung von Elektroenzephalogrammen (EEG) helfen. Am Institut für Rechnerarchitektur und Softwaretechnik (FIRST) der GMD in Berlin hat sich die Arbeitsgruppe um Dr. Klaus Robert Müller EEG-Daten aus einem Schlaflabor vorgenommen. Rund zehn Prozent der Bevölkerung leiden unter Schlaf-Wach-Störungen. Nur ein Bruchteil dieser Störungen wird bisher diagnostiziert. Das Problem: die schlafmedizinische Diagnostik produziert bei der kontinuierlichen Überwachung von Patienten unendliche Datenfolgen. Anhand des Wellenverlaufs der EEG-Kurven und anderen phy-siologischen Daten werden bisher die verschiedenen Schlafphasen charakterisiert. Die Auswertung der EEG ist jedoch zeitaufwendig und erfordert große Erfahrung. Eine elektronische Vorselektion der Daten könnte die Diagnose und Behandlung von Schlafstörungen erleichtern.

Problemlösung durch Computer
Künstliche Intelligenz ist immer dann gefragt, wenn es gilt, komplexe Probleme zu lösen. Während herkömmliche Rechenverfahren von Computern stur geradeaus rechnen, erwartet man von künstlich intelligenten Systemen Flexibilität bei der Problemlösung. Die KNN bilden ein elektronisches Gerüst, auf dem sich Beziehungen zwischen Daten knüpfen lassen. "Die von uns entwickelte Methode verwendet dazu ein Ensemble von künstlichen neuronalen Netzen, die in einer Lernphase um die Daten eines Zeitintervalls kämpfen: das Netz, das in einem begrenzten Bereich der Zeitreihe die Daten am besten vorhersagt, darf auf diesen Daten weiterlernen", erklärt Jens Kohlmorgen, Diplom-Informatiker am FIRST: "Nach und nach spezialisieren sich die Netze auf die verschiedenen Dynamiken." Völlig selbständig und ohne medizinisches Expertenwissen findet das System der Berliner Informatiker die Übergänge unterschiedlicher Wellenverläufe. Den Wechsel vom Wachen zum Schlafen zeigt die Elektronik mit annähernd gleicher Sicherheit wie der Mediziner an. "Um einen Mittagsschlaf von 20 Minuten Dauer auszuwerten, benötigt unser Programm etwa 20 Sekunden", bemerkt Kohlmorgen. Während bisher in der klinischen Praxis mit einer groben zeitlichen Auflösung von mehr als einer Minute gearbeitet wird, erreichen die KNN Werte von unter einer Sekunde. Die Informatiker wollen nun in Zusammenarbeit mit Ärzten der Freien Unversität Berlin und der Universität Frankfurt die Einschlafphase wesentlich genauer charakterisieren. Sie hoffen damit mögliche Anomalien, die mit Einschlafstörungen zusammenhängen, zu entdecken. Kybernetiker der Fachhochschule Schmalkalden trainieren ihre KNN darauf, alle Schlafphasen einer Nacht zu analysieren. Statt konkurrierender Net- ze arbeitet hier eine Netz- population, der zusätzliche Rechenoperationen übergeordnet sind. Projektleiter Professor Rudolf BaumgartSchmitt erklärt dazu: "Vorbilder für diese Algorithmen sind evolutionäre und genetische Mechanismen, die den Lernprozeß der Netze nach einer bestimmten Rangordnung optimieren."

Diagnose zur Epilepsie
Bisher decken sich die Computerergebnisse bis zu 85 Prozent mit den Analysen der Schlafmediziner. Um dem Patienten die Nacht im Schlaflabor zu erleichtern, soll das System für die Diagnose der Schlafqualität mit einer einzigen EEG-Ableitung auskommen. "Damit ist es uns bisher gelungen, die vier Schlafphasen, den Traumschlaf und das Wachen zu unterscheiden", freut sich Baumgart-Schmitt. Auch in anderen Einsatzbereichen der EEG versucht man, die Mustererkennung mit Hilfe von KNN zu automatisieren, so auch an der Bonner Universitätsklinik für Epileptologie. Das Team um Professor Christian Erich Elger will die künstliche Intelligenz für die prächirurgische Epilepsiediagnose nutzen. Um die epileptogene Zone abgrenzen zu können, liefert das EEG wichtige diagnostische Hinweise. Auch hier müssen die EEG für einen langen Zeitraum ununterbrochen registriert werden. Deren Durchsicht führt zu einem erheblichen personellen Aufwand. Die Bonner Epileptologen haben erste Trainingserfolge mit den KNN vorzuweisen. Sie finden epileptogene Spikes im EEG und klassifizieren sie automatisch. Das System stellt fest, ob es einen oder mehrere Spikegeneratoren gibt, und ordnet sie verschiedenen Hirnarealen zu. Doch bis es die Sicherheit eines geübten EEG-Auswerters erreicht, müssen die Trainingsmethoden noch verfeinert werden. Dr. Lisa Kempe

Anzeige

Leserkommentare

E-Mail
Passwort

Registrieren

Um Artikel, Nachrichten oder Blogs kommentieren zu können, müssen Sie registriert sein. Sind sie bereits für den Newsletter oder den Stellenmarkt registriert, können Sie sich hier direkt anmelden.

Fachgebiet

Zum Artikel

Anzeige

Alle Leserbriefe zum Thema

Stellenangebote