Das AIT bringt im national geförderten Projekt EPICONN seine Expertise in KI-gestützter EEG-Analyse ein, um neuartige Biomarker für fokale Epilepsie zu entwickeln. Ziel ist es, bereits früh im Behandlungsverlauf zu identifizieren, welche Patient:innen auf Antiepileptika ansprechen und wer alternative Therapieoptionen benötigt. Die von der Ludwig Boltzmann Gesellschaft geförderte Klinische Forschungsgruppe vereint Neurologie, Neuroimaging, Neurochirurgie, Genetik und Machine Learning, um die Behandlungsverläufe individuell zu optimieren.
Epilepsie gehört zu den häufigsten neurologischen Erkrankungen weltweit. Bei rund einem Drittel der Patient:innen mit fokaler Epilepsie wirken Antiepileptika nicht ausreichend, diese Medikamentenressistenz zeigt sich allerdings oft erst nach einem langwierigen Prozess für die medikamentöse Einstellung, der für die Patient:innen extrem belastend ist und dem Gesundheitssystem hohe Kosten verursacht. Mit einer verlässlichen Früherkennung, die dies schon zu Behandlungsbeginn vorhersagt, könnte man viel früher zu alternativen Therapieoptionen übergehen.
„Derzeit verstehen wir die komplexen neuronalen Netzwerke die der Epilepsie zugrunde liegen noch zu wenig“, erläutert der Experte für Gehirnsignale Gerhard Gritsch, „Unser Ziel ist es neue Erkenntnisse dazu zu gewinnen und mittels KI subtile Biomarker zu identifizieren, um frühzeitig Therapiewege zu individualisieren und zu optimieren.“
Netzwerk-Biomarker und KI-EEG-Analyse
EPICONN entwickelt multimodale Biomarker auf Basis von Bildgebung, EEG und molekularen Daten. Im Zentrum steht die Erstellung einer multimodalen Methode, die strukturelle, funktionelle und metabolische Veränderungen abbildet und mit genetischen Varianten verknüpft. Das AIT übernimmt dabei die Entwicklung und Validierung von Machine-Learning-Algorithmen zur automatischen Erkennung von EEG-Biomarkern basierend auf hochfrequenten und infra-langsamen EEG-Oszillationen in den an der Kopfoberfläche aufgezeichneten Signalen.
- Multidisziplinäre Studie: Zusätzlich zu den vorhandenen Daten werden in den ersten vier Jahren 300 Patient:innen mit fokaler Epilepsie von Studienbeginn an über die gesamte Studiendauer hinweg begleitet und untersucht.
- KI-gestützte EEG-Analyse: Die Unit Medical Signal Analysis des AITs wird mit den EEG-Daten aus dem Anfangsstadium der Behandlung neuronale Netze trainieren, um die Resistenz auf medikamentöse Therapien vorherzusagen.
- Validierung und Implementierung: In der zweiten Projektphase wird das entwickelte Verfahren parallel in mehreren österreichischen Epilepsiezentren validiert und die Integration in die klinische Praxis erarbeitet.
Hier arbeitet das AIT mit den Abteilungen für Neurologie, Neurochirurgie, Radiologie und Nuklearmedizin der Medizinischen Universität Wien zusammen. Das Projektteam, besteht aus 11 international anerkannten Forscher:innen und bringt Expertise in den Bereichen klinischer- und forschungsorientierter Bildgebung, Genetik und Zellbiologie sowie digitaler Verfahren und Deep Learning mit. Zusammen werden alle Bereiche der Epilepsieforschung abgedeckt, wodurch diese Forschungsgruppe ideal für die Erreichung der Ziele in EPICONN aufgestellt ist.
Es entsteht mit diesem Projekt erstmals ein integriertes Analyse- und Prognoseinstrumentarium, das behandelnde Ärzt:innen unterstützt, effiziente individualisierte Therapiepfade zu wählen. Langfristig soll die Methode in Routineabläufe eingebunden und als digitales Assistenzsystem in Epilepsiezentren verfügbar sein.
Durch die Kombination aus innovativer Neuroimaging-Technologie, molekularer Charakterisierung und KI-basierter EEG-Auswertung setzt EPICONN wesentliche Impulse für eine datengetriebene, patientenzentrierte Epilepsieversorgung.
Link zur Presseaussendung der Ludwig Boltzmann Gesellschaft "Patientenorientierte Gesundheitsforschung: LBG und BMFWF präsentieren drei neue, herausragende Klinische Forschungsgruppen”: https://www.ots.at/presseaussendung/OTS_20250707_OTS0062/patientenorientierte-gesundheitsforschung-lbg-und-bmfwf-praesentieren-drei-neue-herausragende-klinische-forschungsgruppen