Epilepsie

Mobile Geräte sollen vor Anfällen warnen

Veröffentlicht:

FREIBURG. Für die Vorhersage von epileptischen Anfällen sollen selbstlernende Systeme Hautfeuchtigkeit, Körperbewegung und weitere Eigenschaften auf typische Veränderungen hin untersuchen. Die Verwendung von Smartphones und anderen Technologien soll das Warnsystem möglichst schnell vielen Menschen zugänglich machen.

Die Abteilung Prächirurgische Epilepsiediagnostik der Klinik für Neurochirurgie des Universitätsklinikums Freiburg führt das fünfjährige Projekt in enger Zusammenarbeit mit dem King's College London, Großbritannien, durch. Im Rahmen des Forschungsprogramms RADAR-CNS wird der Standort Freiburg mit 800.000 Euro gefördert. Eine Übertragbarkeit des Systems auf andere neurologische Erkrankungen ist explizit Teil des Projekts.

"Ein zuverlässiges Vorhersage-System würde die Lebensqualität von Epilepsiepatienten enorm verbessern. Es gäbe ihnen beispielsweise die Möglichkeit, schnell wirkende Medikamente zu nehmen oder sich zumindest in eine sichere Umgebung zu begeben", wird Projektleiter Professor Andreas Schulze-Bonhage, Leiter der Abteilung in einer Mitteilung der Universität zitiert. In der Zukunft könnte ein solches System auch eine Bezugsperson oder den Arzt bei einem Anfall informieren.

Enorm verbesserte Lebensqualität

Aber selbst eine präzise Dokumentation aller epileptischen Anfälle eines Patienten wäre eine deutliche Verbesserung. Bislang führen die Patienten handschriftlich Anfalls-Tagebücher, in die sie Dauer, Stärke und mögliche Auslöser eines Anfalls eintragen.

Doch viele Patienten können sich aufgrund einer Amnesie an ihre Anfälle nicht erinnern, was Therapie und Therapiekontrolle erschwert.

Das neue System soll anhand von Sensoren biologische Parameter wie Körperbeschleunigung, Herzfrequenz und Hautleitfähigkeit messen, die beiepileptischen Anfällen charakteristisch verändert sind. Dies könnte beispielsweise über eine Uhr oder ein Armband geschehen, die Hautfeuchtigkeit und Armbewegung messen.

Mit Verfahren aus dem Bereich des maschinellen Lernens passen sich die Programme immer besser an den jeweiligen Patienten an und sollen lernen, Veränderungen vor einem Anfall zu erkennen und sogar unterschiedliche Anfallsformen zu unterscheiden. Entwickelt werden soll das Projekt zunächst gemeinsam mit 120 in Freiburg und London stationär behandelten Patienten. In einem zweiten Schritt soll es auf ambulante Patienten ausgeweitet werden.

Gefördert wird das Projekt im Rahmen des Forschungsprogramms RADAR-CNS (Remote assessment of disease and relapse - Central Nervous System), das die Innovative Medicines Initiative (IMI) mit insgesamt 12 Millionen Euro finanziert.

 Die IMI ist ein Verbund zwischen Europäischer Union und dem Europäischen Dachverband der Pharmazeutischen Industrie. Im Rahmen von RADAR-CNS sollen auch Vorhersage-Systeme für Depressionen und Multiple Sklerose entwickelt werden. (eb)

Mehr zum Thema

Kasuistik

Schweinebandwurm löste Epilepsie aus

Das könnte Sie auch interessieren
Johanniskraut: Eine vorteilhafte Option bei einer Depression

© Tania Soares | EyeEm

Corona und Depression

Johanniskraut: Eine vorteilhafte Option bei einer Depression

Anzeige | Bayer Vital GmbH
Johanniskraut kann mehr als bisher angenommen

© koto-feja, LordRunar | iStock

So wirkt Johanniskraut

Johanniskraut kann mehr als bisher angenommen

Anzeige | Bayer Vital GmbH
Faktencheck: Johanniskrautextrakt vs. Citalopram

© ChristianChan | iStock

Depressionen behandeln

Faktencheck: Johanniskrautextrakt vs. Citalopram

Anzeige | Bayer Vital GmbH
Kommentare
Sie müssen angemeldet sein, um einen Kommentar verfassen zu können.
Vorteile des Logins

Über unser kostenloses Login erhalten Ärzte und Ärztinnen sowie andere Mitarbeiter der Gesundheitsbranche Zugriff auf mehr Hintergründe, Interviews und Praxis-Tipps.

Jetzt anmelden »Kostenlos registrieren »

Die Newsletter der Ärzte Zeitung

» kostenlos und direkt in Ihr Postfach

Am Morgen: Ihr individueller Themenmix

Zum Feierabend: das tagesaktuelle Telegramm

Newsletter bestellen »

Top-Meldungen
Extreme Fatigue: ein typisches Symptom von Long-COVID-Patienten.

© pitipat / stock.adobe.com

Analyse von Versichertendaten

Nur jeder Vierte mit Long-COVID war schwer an COVID-19 erkrankt