Unsere neuesten Forschungsergebnisse, veröffentlicht im Fachjournal Epilepsy Research, stellen einen bedeutenden Fortschritt in der Erkennung fokaler kortikaler Dysplasien (FCDs) dar.
FCDs sind lokalisierte Anomalien in der Großhirnrinde, die mit medikamentenresistenter Epilepsie in Verbindung stehen. Diese Fehlbildungen können die normale elektrische Aktivität des Gehirns unterbrechen und so bei Betroffenen zu Epilepsie führen.

Dieser Durchbruch wurde durch eine gemeinsame Anstrengung mit dem Epilepsie-Zentrum Hamburg und dem Epileptologicum Hamburg erzielt und führte zur Entwicklung eines vielversprechenden Modells eines konvolutionellen neuronalen Netzwerks (CNN). Dieses Modell zeichnet sich durch eine hohe Sensitivität und Spezifität in der Erkennung und Segmentierung von FCDs aus, einem entscheidenden Faktor in der Diagnose und Behandlung von Epilepsie.

Eine der herausragenden Eigenschaften unseres Modells ist seine Anwendung eines kontinuierlichen Lernansatzes. Dieser Ansatz ermöglicht es dem Modell, seine Leistung kontinuierlich zu verbessern, während es neue klinische MRT-Daten verarbeitet, und stellt somit eine effektive Lösung für das Problem des katastrophalen Vergessens (eng. catastrophic forgetting) dar, welches das Phänomen bezeichnet, dass ein neuronales Netzwerk früher gelernte Informationen verliert, sobald es neue Informationen erlernt.

Diese Fähigkeit stellt einen bedeutenden Fortschritt in der Verbesserung des Diagnoseprozesses bei Epilepsie dar und bietet Ärzten Unterstützung bei der Patientenversorgung.

Durch die Bereitstellung einer genaueren Methode zur Identifizierung von FCDs ebnet unser Modell den Weg für gezieltere und wirksamere Behandlungsmöglichkeiten und könnte potenziell die Herangehensweise an das Epilepsiemanagement verbessern.

Diese Veröffentlichung unterstreicht die vielversprechende Rolle von KI in der medizinischen Diagnostik und eröffnet neue Wege zur Bewältigung komplexer neurologischer Erkrankungen.