Patienten mit Epilepsie können erstmals in Echtzeit per Smartphone-App mit ihren im Hirn implantierten Monitoren texten. Eine an der University of Pennsylvania durchgeführte Studie zeigt, dass dieser bidirektionale Dialog zwischen Mensch und Künstlicher Intelligenz nicht nur präzise Daten liefert, sondern auch Fehlalarme der Geräte um rund 80 Prozent senkt.
Wie der direkte Textdialog mit dem Gehirnmonitor funktioniert
Im Rahmen einer prospektiven Studie in der Epilepsie-Überwachungseinheit (EMU) des Hospital of the University of Pennsylvania testeten 13 erwachsene Patienten eine neue Kommunikationsplattform. Die unter Protokollnummer 849276 vom Institutional Review Board der Universität genehmigte Untersuchung begleitete die Teilnehmenden während ihres mehrtägigen Aufenthalts, in dem sie unaufgefordert Fragen zu ihrer Gehirnaktivität stellen oder Trends und Schlafdaten abrufen konnten.
Die Architektur des Systems stützt sich auf drei miteinander verknüpfte Ebenen: eine lokale Datenübertragung über das NeuroWorks Software Development Kit von Natus, eine HIPAA-konforme Cloud-Umgebung sowie eine spezialisierte KI-Agentensteuerung. Als Sprachmodell kam eine geschützte Version von GPT-4o-mini zum Einsatz, die laut den von NIH und medizinischen Fachmedien veröffentlichten Berichten streng vertraulich arbeitet und von der Penn Medicine AI Governance Committee, der Information Services Architecture Review Board sowie einer Security Risk Assessment geprüft wurde. Während einfache Chat-Anfragen in rund zwei Sekunden beantwortet wurden, dauerte die Auswertung komplexerer Datenbankabfragen etwa neun Sekunden.
Die Organisation besteht aus dem University of Pennsylvania Health System sowie der im Jahr 1765 als erste medizinische Fakultät des Landes gegründeten Raymond and Ruth Perelman School of Medicine der Universität. Die Perelman School of Medicine gehört zu den Empfängern von Fördermitteln der National Institutes of Health. Zu den Einrichtungen des University of Pennsylvania Health System zählt unter anderem das Hospital of the University of Pennsylvania.
Diese Geräte werden in erster Linie für Ärzte gebaut, sie sehen jedoch eine Menge Informationen, von deren Kenntnis Patienten profitieren würden.
Brian Litt, Professor für Neurologie, Neurochirurgie und Bioengineering an der University of Pennsylvania
Patientenfeedback senkt Fehlalarme massiv
Während des Untersuchungszeitraums tauschten die Probanden und das System insgesamt 1.307 Nachrichten aus. Die Fragen betrafen vor allem Anfallsereignisse, Schlafqualität, Stimmungen und Energielevel. Zudem wurden die Patienten zu ihrem Wohlbefinden befragt, während Amy Bany Adams vom National Institute of Neurological Disorders and Stroke (NINDS) das Projekt als zukunftsweisenden Ansatz lobte, der Patienten in den Fahrersitz versetzt.
Das entscheidende Element der Plattform ist jedoch die gegenseitige Lernfähigkeit. Wenn das Gerät einen potenziellen Krampfanfall registrierte, schickte es eine Benachrichtigung an das Smartphone. Die Patienten markierten diese Signale als echtes Ereignis, Fehlalarm oder unklar. Durch diese Rückmeldungen trainierte sich das Detektionsmodell fortlaufend selbst. In einer anschließenden Simulation sanken die Fehlalarme dadurch um rund 80 Prozent, wobei laut NIH-Angaben zusätzliche menschliche Expertenkorrekturen die Fehlerrate um weitere zwei Prozent drückten.
Zusätzlich band das System klinisches Fachpersonal über einen intelligenten Überwachungsalgorithmus ein. Dieser sogenannte Expert-in-the-Loop-Ansatz filterte die Daten vor, sodass Ärzte nur noch hochrelevante Einschätzungen prüfen mussten.
Ausblick auf Parkinson-Therapien und Insulinpumpen
Die positiven Rückmeldungen der Probanden gingen so weit, dass mehrere Patienten das System nach dem Klinikaufenthalt am liebsten mit nach Hause genommen hätten. Die Forscher mussten sie jedoch vertrösten, da die Technologie zunächst für den klinischen Standard optimiert werden muss.
Dennoch treibt das Team um die Bioinformatik-Doktoranden Zack Goldblum, Haoer Shi und Zhongchuan Xu die Weiterentwicklung zügig voran. Als Nächstes sind groß angelegte Studien für den ambulanten Einsatz geplant. Zudem arbeiten die Wissenschaftler bereits gemeinsam mit Lauren Hammer an Applikationen für die tiefe Hirnstimulation bei Parkinson-Patienten sowie an möglichen Einbindungen für Insulinpumpen und Herzgeräte.
Wir stellen uns vor, dass Medizinprodukte zu Partnern in der Pflege werden, die gemeinsam mit den Patienten lernen und ihnen helfen, jeden Tag bessere Entscheidungen zu treffen.
Brian Litt, Professor an der University of Pennsylvania
Auch interessant
