gms | German Medical Science

Einleitung: Schwindel gehört zu den häufigsten medizinischen Symptomen. Die Diagnostik ist komplex, teuer, benötigt Expertise und ist flächendeckend nicht immer vorhanden. Es soll daher eine orts- und zeitunabhängige Lösung entwickelt werden. Ziel dieser Studie war, die Nystagmusdetektion mit einem Smartphone durchzuführen und mittels künstlicher Intelligenz (KI) zu evaluieren.

Methoden: In dem Pilotprojekt unterzogen sich 5 gesunde Probanden Kalorikuntersuchungen. Die Videonystagmographie (VNG) erfolgte mittels des eigenen Prototyps der VertiGo-App. Es wurden jeweils bedingt durch COVID-19 Hygiene-konform Aufnahmen mit Mundnasenmaske (n=20) eigenständig im Selfiemodus bzw. durch Fremdbedienung der Rückkamera durchgeführt. Zudem erfolgten 8 Leeraufnahmen ohne kalorische Reizung. Die eigene Software, welche maschinelles Lernen nutzt, analysierte diese. Der Algorithmus detektierte Nystagmen in Folgen horizontaler Pupillenpositionen. Unterschieden wurde zwischen Präsenz oder Fehlen von Nystagmen, wobei ein Grenzwert von mindestens zwei Nystagmen in die gleiche Richtung verwendet wurde.

Ergebnisse: In 86% der Aufnahmen wurden einzelne Nystagmen erkannt. Unter Berücksichtigung des Grenzwertes wurden ein positiv prädiktiver Wert von 88%, eine Sensitivität von 40% und eine Spezifität von 88% erreicht. Anwendung der Selfie- oder Rückkamera und das Tragen einer Maske zeigte keinen Einfluss auf die VNG.

Diskussion: In dem Pilotprojekt konnte die mobile VNG mittels Smartphone in Eigennutzung im Selfiemodus sowie Fremdnutzung durch die Rückkamera durchgeführt und mit eigener Software KI-basiert ausgewertet werden. Die Ergebnisse zeigen einen Zugewinn der Messgenauigkeit im Vergleich zu den Vorstudien mit Webcam. Der derzeitige App-Prototyp muss weiter verbessert werden, um eine klinische Erprobung durchzuführen.