Entwicklung von KI-Tools zur automatisierten Analyse von Schlaf-EEG-Aufzeichnungen und zur Erkennung klinisch relevanter Merkmale

Die Elektroenzephalographie (EEG) ist ein wesentliches Instrument zur Überwachung der Gehirnaktivität und spielt eine zentrale Rolle bei der Diagnose und Behandlung neurologischer Erkrankungen wie Epilepsie. In der klinischen Praxis liefern nächtliche EEG-Aufzeichnungen wertvolle Einblicke sowohl in epileptische Aktivität als auch in schlafbezogene Gehirndynamiken und erzeugen dabei grosse und komplexe Datensätze, die eine fachkundige Interpretation erfordern.

Unsere Arbeit konzentriert sich auf die Entwicklung von Werkzeugen der künstlichen Intelligenz zur automatisierten Analyse von EEG-Aufzeichnungen bei Kindern. Diese Werkzeuge sind darauf ausgelegt, klinisch relevante Merkmale, darunter epileptische Entladungen und schlafbezogene Muster, direkt aus Langzeit-EEG-Daten zu erkennen.

Durch die Integration KI-gestützter Analysen in klinische Arbeitsabläufe möchten wir Ärztinnen und Ärzte bei einer schnelleren, standardisierteren und umfassenderen Auswertung von EEG-Aufzeichnungen unterstützen. Neben klinischen Anwendungen können diese Methoden auch die großskalige Datenverarbeitung in der klinischen Forschung und in Studien erleichtern und so eine effizientere und reproduzierbarere Analyse von EEG-Daten ermöglichen.

Gruppenleitung: Prof. Dr. Reto Huber
Projektleitung: Dr. Jelena Skorucak

Institution:
Child Development Center
University Children's Hospital Zurich

University of Zurich

Drittmittel:

• Schweizerischer Nationalfonds (320030_179443)
• Postdoc-Stipendium der Universität Zürich (FK-21-049)
• Entrepreneur Fellowship der Universität Zürich (MEDEF22-033)

Innovationsprojektförderung von Innosuisse (123.768 IP-LS)