gms | German Medical Science

54. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e.V. (GMDS)

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie

07. bis 10.09.2009, Essen

Entwurf eines Algorithmus zur Detektion epileptischer Anfälle auf Basis von Bewegungssensoren

Meeting Abstract

  • Samrend Saboor - UMIT– Private Universität für Gesundheitswissenschaften, Medizinische Informatik und Technik, Hall in Tirol
  • Eva Schulc - UMIT– Private Universität für Gesundheitswissenschaften, Medizinische Informatik und Technik, Hall in Tirol
  • Elske Ammenwerth - UMIT– Private Universität für Gesundheitswissenschaften, Medizinische Informatik und Technik, Hall in Tirol
  • Christa Them - UMIT– Private Universität für Gesundheitswissenschaften, Medizinische Informatik und Technik, Hall in Tirol

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie. 54. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (gmds). Essen, 07.-10.09.2009. Düsseldorf: German Medical Science GMS Publishing House; 2009. Doc09gmds189

doi: 10.3205/09gmds189, urn:nbn:de:0183-09gmds1890

Published: September 2, 2009

© 2009 Saboor et al.
This is an Open Access article distributed under the terms of the Creative Commons Attribution License (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.en). You are free: to Share – to copy, distribute and transmit the work, provided the original author and source are credited.


Outline

Text

Einleitung: Epilepsie ist eine der häufigsten chronischen Erkrankungen [1]. Unerwartete Anfälle verursachen beim Betroffenen einen totalen Kontrollverlust [2]. Insbesondere bei „generalisiert tonisch-klonischen Anfällen“ (GTKA) kann es zu Verletzungen kommen [3]. Zudem gehören „sudden unexpected death in epilepsy“ (SUDEP) mit 24-67% zu den häufigsten Todesursachen [3], [4], [5]. Daher müssen betroffene Patienten durchgängig beaufsichtigt werden. Im Stationären ist die Kombination aus Video mit Elektroenzephalogramm (EEG) der Goldstandard [6]. Eine durchgehende mobile Überwachung fehlt derzeit gänzlich. Erste Publikationen belegen jedoch, dass sich Systeme auf Basis von Beschleunigungssensoren eignen könnten (z.B. [6], [7] ). Hierfür wird jedoch ein Algorithmus benötigt, der Bewegungsmuster von GTKA von alltäglichen Handlungen unterscheiden kann. Dieser Beitrag behandelt die Entwicklung eines derartigen Algorithmus und stellt erste Erkenntnisse vor.

Material und Methoden: Anforderungen an ein mobiles Epilepsie-Monitoringsystems stammen aus Literaturrecherchen in z.B PubMed, ACM Digital Library und CINAHL. Offene Fragen wurden durch Begehung einer örtlichen Epilepsie-Sonderstation und Befragungen deren Mitarbeiter geklärt. Daraufhin wurde ein Konzept für die Akquisition der Bewegungsdaten entworfen und implementiert. Hiermit wurden Bewegungsmuster realer Epilepsieanfälle aufgezeichnet. Die Daten wurden im Labor visualisiert und ausgewertet. Die Erkenntnisse fließen in die iterative Erstellung eines Algorithmus ein.

Ergebnisse: Für die Akquisition der Bewegungsdaten werden Controller der kommerziellen Spielekonsole Wii von Nintendo verwendet. Sie verfügen über die nötige räumliche und zeitliche Auflösung. Ihre Anbindung erfolgt über Bluetooth. Das eigens entwickelte Akquisitionsprogramm erlaubt die parallele Verwaltung von 4 Controllern. Derzeit werden hiermit erste Realdaten erfolgreich akquiriert und im Labor ausgewertet. Ein erster Algorithmusentwurf sieht die Kumulation von Beschleunigungswerten über kurze Zeiträume vor, auf die Schwellwerte angewendet werden.

Diskussion / Schlussfolgerungen: Derzeit gibt es keine mobile Überwachungsmöglichkeit von Epilepsiepatienten. Beschleunigungssensoren scheinen sich hierfür zu eignen [6]. Der derzeit entwickelte Algorithmus ist hierfür eine wesentliche Voraussetzung. Erste Labortests werden zeigen, wie leistungsfähig er wirklich ist.


Literatur

1.
Forsgren L, Beghi E, Oun A, Sillanpaa M. The epidemiology of epilepsy in Europe – a systematic review. Eur J Neurol. 2005;12(4):245-53.
2.
Krämer G. Das große TRIAS-Handbuch Epilepsie. Trias Verlag; 2005.
3.
Tomson T, Beghi E, Sundqvist A, Johannessen SI. Medical risks in epilepsy: a review with focus on physical injuries, mortality, traffic accidents and their prevention. Epilepsy Res. 2004;60(1):1-16.
4.
Bergmann M, Ndayisaba J, Oberaigner W, Kuchukhidze G, Trinka E. Sudden unexpected death in epilepsy patients (SUDEP) in Tyrol – A retrospective hospital based cohort study. Epilepsia. 2007;48(s3).
5.
Trinka E. Mortalität von Patienten mit Epilepsien in Tirol [Masterthesis]. Hall/Tirol: Private Universität für Gesundheitswissenschaften, Medizinische Informatik und Technik (UMIT); 2005.
6.
Nijsen TM, Arends JB, Griep PA, Cluitmans PJ. The potential value of three-dimensional accelerometry for detection of motor seizures in severe epilepsy. Epilepsy Behav. 2005;7(1):74-84.
7.
Nijsen TM, Aarts RM, Arends JB, Cluitmans PJ. Model for arm movements during myoclonic seizures. Conf Proc IEEE Eng Med Biol Soc. 2007;2007:1582-5.