-
Die Erfindung betrifft ein Assistenz- und Entscheidungssystem und ein Verfahren zur Auswertung von Elektroenzephalogrammen sowie deren Verwendung.
-
Die Elektroenzephalographie (EEG) ist eine standardmäßige Untersuchungsmethode in der Neurologie und wird zur medizinischen Diagnostik und in der neurologischen und neurowissenschaftlichen Forschung zur Messung der summierten elektrischen Aktivitäten des Gehirns durch Aufzeichnung der Spannungsschwankungen an der Kopfoberfläche verwendet und als Elektroenzephalogramm grafisch dargestellt. Ein Nachteil der Elektroenzephalographie ist, dass die Bewertung der Messergebnisse von ausgebildeten Neurologen anhand der optischen Interpretation von Elektroenzephalogrammen durchgeführt werden müssen und daher die Qualität der Diagnose von der Erfahrung des Neurologen abhängt und die intra- und interpersönliche Genauigkeit der Interpretation niedrig ist.
-
Bei der quantitativen Elektroenzephalographie (QEEG) werden die gemessenen EEG-Metriken, wie die Frequenz, die Amplitude und die Konnektivität, quantifiziert und grafisch in Form von QEEG-Aufnahmen (Brainmaps) dargestellt.
-
Mit einer QEEG-Datenbanken kann festgestellt werden, ob die gemessenen Daten eines Patienten von Standardwerten abweichen, sie geben jedoch keinen Hinweis auf die Krankheit des Patienten und liefern auch keine Behandlungsvorschläge. Sie liefern nur eine Aussage darüber, ob die Gehirninformationen normal oder abnormal sind.
-
Demzufolge besteht die Aufgabe der vorliegenden Erfindung darin, die bei EEG-Messungen gewonnen Daten besser auszuwerten, so dass Störung nicht nur erkannt, sondern auch zuverlässig diagnostiziert werden können.
-
Die Aufgabe der vorliegenden Erfindung wird durch ein Assistenz- und Entscheidungssystem, umfassend ein Elektroenzephalographie-Gerät (EEG-Gerät), eine Eingabeeinheit, eine Ausgabeeinheit, einen Rechner, eine erste Datenbank und eine zweite Datenbank gelöst, wobei mit der Eingabeeinheit Patientendaten von einem Benutzer an das EEG-Gerät übermittelbar sind, das EEG-Gerät im Datenaustausch mit dem Rechner steht und die mit dem EEG-Gerät gemessenen Daten und die Patientendaten an den Rechner weiterleitbar sind, die erste Datenbank zum Speichern von vom EEG-Gerät gemessenen Daten, Patientendaten und Daten über Krankheitsbilder ausgelegt ist, in der zweiten Datenbank Informationen über Therapiemöglichkeiten gespeichert sind und der Rechner mit der ersten Datenbank und der zweiten Datenbank im Datenaustausch steht und dazu ausgebildet ist, die vom EEG-Gerät gemessenen Daten und die Patientendaten auszuwerten, mit den Daten über Krankheitsbilder zu vergleichen und anhand dieser Auswertung eine passende Therapie aus der zweiten Datenbank auszuwählen und an die Anzeigeeinheit zu übermitteln.
-
Mit dem Assistenz- und Entscheidungssystem wird der Diagnoseprozess verbessert, es werden Behandlungsvorschläge erstellt und die Behandlungsergebnisse werden ausgewertet.
-
Eine Eingabeeinheit im Sinne der Erfindung ist jede Mensch-Maschine-Schnittstelle, wie beispielsweise eine Tastatur, die es dem Benutzer des EEG-Gerätes ermöglicht Daten einzugeben. Eine Ausgabeeinheit ist beispielsweise ein Monitor oder ein Drucker. Es sind aber auch Ausführungsformen denkbar, bei denen Eingabeeinheit und Ausgabeeinheit als ein Gerät, beispielsweise als Touchscreen, kombiniert vorliegen.
-
Patientendaten im Sinne der Erfindung sind alle persönlichen Daten über den zu behandelnden Patienten, wie zum Beispiel Geschlecht, Alter, Vorerkrankungen, Beschwerden, über die der Patient klagt.
-
Der Rechner ist vorzugsweise in das EEG-Gerät integriert. Es sind aber auch andere Ausführungsformen der Erfindung denkbar, bei denen der Rechner nicht Teil des EEG-Gerätes ist, sondern mit diesem über eine kabelgebundene oder kabellose Datenaustauschverbindung verbunden ist.
-
Die erste Datenbank und/oder die zweite Datenbank sind/ist vorzugsweise in das EEG-Gerät integriert. Es sind aber auch hier Ausführungsformen der Erfindung denkbar, bei denen eine oder alle Datenbanken separat von dem EEG-Gerät angeordnet sind und mit diesem über eine kabelgebundene oder kabellose Verbindung miteinander im Datenaustausch stehen.
-
Die erste und die zweite Datenbank kann dabei auf einem oder aber auch auf mehreren Speichermedien, wie beispielsweise einer Festplatte oder CD-ROM, gespeichert werden.
-
In einer weiteren bevorzugten Ausführungsform der Erfindung steht der Rechner mit einer Vielzahl von EEG-Geräten in Datenaustausch. Dies hat den Vorteil, dass nicht nur die Daten eines EEG-Gerätes gemessen und gesammelt werden, sondern die Messergebnisse (EEG und QEEG) einer Vielzahl von EEG-Geräten gesammelt und ausgewertet werden, wodurch die gespeicherte Datenmenge und damit auch die Diagnosegenauigkeit steigt.
-
Des Weiteren wird die Aufgabe der vorliegenden Erfindung durch ein Verfahren gelöst, bei dem mit einem EEG-Gerät die Aktivität des Gehirns eines Patienten gemessen wird und diese Daten, zusammen mit Patientendaten (des entsprechenden Patienten), in einer ersten Datenbank gespeichert werden, wobei die erste Datenbank zusätzlich Daten über Krankheitsbilder enthält, die Daten über die Krankheitsbilder (von einem Rechner) auf ihre Relevanz in Bezug auf die Patientendaten bewertet werden und ein Rechner anhand der in der ersten Datenbank enthaltenen Daten über Krankheitsbilder und deren Relevanz auf den vorliegenden Patienten eine Diagnose des Zustandes des Gehirns des Patienten erstellt und an eine Ausgabeeinheit weiterleitet. Dieses Verfahren weist eine Vielzahl von Vorteilen auf.
-
Die Diagnostik wird verbessert, da die Auswertung der Messung der Gehirnströme eine verbesserte Empfindlichkeit und Genauigkeit verglichen mit bekannten Analysen, wie beispielsweise Fragebögen, aufweist.
-
Eine verbesserte Prognose von Behandlungsergebnissen: Die Auswertung der QEEG-Messung ist bei der Vorhersage von Behandlungsergebnissen für pharmakologische Eingriffe bei Patienten mit psychischen Störungen sensibler als Fragebögen oder Interviews (beispielsweise bei Depressionen: Psychiater: 30 % vorhergesagter Wert, QEEG bis zu 90 % vorhergesagter Wert).
-
Anwenderfreundlichkeit: Durch die automatisierte Berichtfunktion, die einen spezifischen Marker für psychische Störungen spezifiziert, muss ein (Klinik-)Arzt die Messungen oder die Ergebnisse der Messungen nicht interpretieren, wodurch viel Zeit und Mühe eingespart wird, da keine Lehrgänge benötigt werdenund die Interpretationszeit verkürzt wird.
-
Kostenreduktion: Der Anstieg von Patienten, die eine optimale Behandlung in einer kürzeren Zeitspanne erhalten, führt zu einer Abnahme der Behandlungskosten und der Kosten der Wirtschaft (weniger Ausfälle bei der Arbeit durch Krankheit).
-
Alle oben genannten Gründe führen zu dem größten Vorteil der Erfindung, dem Vorteil für die Patienten. Die Quantifizierung der Gehirnparameter vor, während und nach der Behandlung verändert signifikant das Verfahren und das Ergebnis für den Patienten; sie bekommen eine objektive Rückmeldung, Behandlungsmöglichkeiten werden verbessert und die Behandlungsergebnisse sind evaluiert. Die Qualität der Behandlung wird konstant überwacht und weniger erfolgreiche Behandlungsmethoden können verbessert werden (Qualitätsmanagement), wodurch eine verbesserte Patientenzufriedenheit erzielt wird.
-
Die gemessenen und bewerteten Daten einer Vielzahl von EEG-Geräten und Patientendaten werden vorzugsweise in der ersten Datenbank gespeichert. Dies hat den Vorteil, dass durch die Menge der ermittelten Daten die Qualität der Diagnose verbessert wird, da diese Informationen als Vergleichsbeispiele dienen, die bei gleichen oder im Wesentlichen ähnlichen Symptomen den Schluss zulassen, dass es sich um die gleiche Ursache bzw. Erkrankung handelt.
-
Als Daten über Krankheitsbilder in der ersten Datenbank werden vorzugsweise Informationen über Studien und in der Fachliteratur beschriebene Fälle gespeichert. Hierzu werden Publikationen im Bereich der Neurologie, Psychiatrie/Psychologie und Neurowissenschaften derart aufbereitet, dass sie in einer Datenbank gespeichert werden können.
-
Die Daten über Krankheitsbilder in der ersten Datenbank werden vorzugsweise anhand ihrer Signifikanz für einen einzelnen Patienten oder eine Patientengruppe bewertet und daraus ein Marker erstellt, der die Wahrscheinlichkeit der Richtigkeit der Diagnose wiedergibt. Hierzu werden die Informationen aus den Publikationen im Bereich der Neurologie, Psychiatrie/Psychologie und Neurowissenschaften ausgewertet, indem ihre Signifikanz in Bezug auf einen Patienten oder eine Patientengruppe ermittelt wird. Der Marker gibt dabei eine prozentuale Wahrscheinlichkeit wieder.
-
Damit die Daten, die in der Datenbank abgelegt sind, immer dem neusten Stand der Wissenschaft entsprechen, werden die in der ersten Datenbank gespeicherten Daten über Krankheitsbilder vorzugsweise in regelmäßigen Abständen aktualisiert und vom Rechner neu bewertet.
-
Der Rechner erstellt, vorzugsweise anhand der erstellten Diagnose, durch Datenvergleich mit Informationen über Therapiemöglichkeiten, die in einer zweiten Datenbank gespeichert sind, Vorschläge für Behandlungsmöglichkeiten und leitet diese an die Ausgabeeinheit weiter. Hierzu sind aus der Fachliteratur bekannte Behandlungsmöglichkeiten derart aufbereitet, dass der Rechner anhand der erstellten Diagnose eine passende Behandlungsmöglichkeit ermitteln kann und dem Benutzer diese durch Ausgabe an einer Ausgabeeinheit vorschlägt.
-
Weiterhin wird die Aufgabe der vorliegenden Erfindung durch eine Verwendung des erfindungsgemäßen Assistenz- und Entscheidungssystems und des erfindungsgemäßen Verfahrens zur Auswertung von Elektroenzephalogrammen zur Erkennung von psychischen Störungen und psychiatrischen Krankheitsbildern, wie Depressionen, Angststörungen, Aufmerksamkeitsdefizit-Hyperaktivitätsstörungen (ADHS), Autismus, posttraumatische Belastungsstörungen (PTBS) und Migräne, gelöst.
-
Im Folgenden wird die Erfindung anhand von Beispielen näher erklärt:
Das erfindungsgemäße System ist ein Entscheidungshilfssystem, das auf der Auswertung von wissenschaftlicher Literatur basiert. Hierzu werden Publikationen zu Krankheitsbildern, wie zu Beispiel psychologischen Störungen, in der wissenschaftlichen Literatur oder anderen Informationsquellen gesammelt und ausgewertet. Bei der Auswertung werden typische EEG-Muster, insbesondere QEEG-Muster, ermittelt und einzelnen Krankheiten zugeordnet. Diese Muster werden dann in WENN-DANN-Algorithmen (Logik) überführt, die mit den gemessenen Mustern zusammen verwendet werden können. Das Assistenz- und Entscheidungssystem transformiert hierzu die ermittelten Informationen aus den wissenschaftlichen Veröffentlichungen in Algorithmen, die die WENN-DANN-Logik aufweisen.
-
Allgemeiner Ablauf des Verfahrens:
-
Literaturrecherche: Vorauswahl von relevanten QEEG-Studien und Herausziehen der Studien mit der vollständigen Beschreibung der Methodik. Die relevanten Informationen der Studien dienen dabei als Dateneingabe, für die ein Programm die WENN-DANN-Logik erstellt. Hierbei wird für jede Aussage in der Studie eine Logik erstellt. Jede Logik wird durch den Einflussfaktor der Zeitschrift (Journal Impact Factor – JIF oder IF), in der sie publiziert wurde, und die Anzahl der Probanden in der Studie bewertet. Das Ergebnis dieser Bewertung wird als Index bezeichnet. Dabei werden alle Logiken für eine Krankheit in einer Kette des Programms miteinander verbunden.
-
Die Logik kann „aktiv” oder „inaktiv” sein, beispielsweise ist die Logik für eine Studie mit männlichen Personen bei einer Messung die an einer Frau durchgeführt wird, inaktiv.
-
Aktive Logiken können „wahr” oder „falsch” sein. Marker % = (gesamte Logik „WAHR”)·Index/(gesamte Logik „WAHR + FALSCH”)·Index
-
Für jede Krankheit wird eine Vielzahl von Logiken erstellt, beispielsweise zeigen viele Studien, dass Depressionen normalerweise von QEEG-Mustern im Stirnbereich des Gehirns begleitet werden. Andere Studien zeigen, dass umgekehrte Muster im hinteren Teil des Gehirns ebenfalls mit Depressionen in Verbindung gebracht werden. Dies Führt zu einer WENN-DANN-Logik für den Stirnbereich und einer WENN-DANN-Logik für den hinteren Teil des Gehirns.
-
Alle Logiken konkurrieren miteinander und werden schließlich zu einem Marker für eine bestimmte Krankheit zusammengefasst. Durch die Verwendung der Logiken ist ein Marker für eine Krankheit nicht nur richtig oder falsch, sondern kann einen Wert zwischen 0 % und 100 % annehmen. Wenn alle Logiken für einen bestimmten Marker richtig sind, dann nimmt der Marker den Wert 100 % und wenn alle Logiken falsch sind, nimmt der Marker den Wert 0 % an. Aufgrund der konkurrierenden Ergebnisse der wissenschaftlichen Studien ist es sehr unwahrscheinlich für einen Marker 100 % anzunehmen.
-
Beispiel für zwei Logiken bei Depressionen:
-
Logik 1:
-
WENN die Person weiblich ist UND
-
- WENN sie zwischen 20 und 40 Jahre alt ist UND
- WENN die Alphawellen am linken frontalen Kortex größer sind als die Alphawellen am rechten frontalen Kortex, während die Augen geschlossen sind, DANN „Depression” = WAHR
(Basierend auf der Veröffentlichung X mit 100 Probanden)
-
Logik 2:
-
- WENN die Person weiblich ist UND
- WENN sie zwischen 30 und 50 Jahren alt ist UND
- WENN die Alphawellen des rechten seitlichen Kortex größer sind als die Alphawellen des linken seitlichen Kortex, während die Augen geschlossen sind, DANN „Depression” = WAHR
(basierend auf Veröffentlichung Y mit 50 Probanden)
-
Diese Logiken sind Beispiele für Logiken für Depressionen. Sie werden nur aktiviert, wenn die Person weiblich ist und innerhalb des Altersbereichs liegen, der unterschiedlich für beide Regeln ist. Wenn beide Logiken aktiviert und wahr sind, bekommt der Marker einen höheren Prozentsatz und hat eine höhere Zuverlässigkeit als wenn nur eine Logik aktiviert oder wahr ist. Die Zuverlässigkeit der Marker wird basierend auf der Qualität der Studien (Impact Factor und Anzahl der Probanden), die verwendet werden, definiert.
-
Die Logiken können mit Programmen, wie beispielsweise LabVIEW®, einer visuellen Programmiersprache von National Instruments Corporation, Austin, USA programmiert werden. Bei LabVIEW® wird jeder Logik eine zusätzliche Information über die Quelle der Logik (Veröffentlichung, Autor, Jahr der Veröffentlichung) zugewiesen.
-
Beispiel für Depressionen:
-
Literaturrecherche: Hierzu wird nach QEEG-Studien für Depressionen, beispielsweise in Datenbanken wie der PubMed (pubmed.org), einer Datenbank für Veröffentlichungen im medizinischen Bereich, gesucht. Relevante Informationen der Studien werden den Veröffentlichungen entnommen und für jede Aussage der Studie wird eine Logik erstellt.
-
Index: für eine Beispielstudie mit 100 Probanden, Einflussfaktor 2,4 -> Index = 240 Punkte.
-
Alle Logiken für eine Krankheit werden in einer Kette in der Anwendung zusammengefasst.
-
Ein Marker % wird in einem automatisierten Bericht implementiert.
-
In der klinischen Praxis wird eine EEG-Messung, gefolgt von einer automatisierten Analyse und einem Bericht beispielsweise basierend auf der Eingabe des (Klinik-)Arztes, wie dem Alter, dem Geschlecht und möglichen Krankheiten des Patienten erstellt.
-
Das Assistenz- und Entscheidungssystem kann als Einzelplatzsystem ausgelegt sein, bei dem das EEG-Gerät, der Rechner und die Datenbanken in einem Gerät integriert sind und an einem Ort/Standort steht. Natürlich sind auch Einzelplatzsysteme denkbar, bei denen das Assistenz- und Entscheidungssystem an einem Ort aber in mehreren getrennten, jedoch miteinander verbunden Geräten vorliegt.
-
Ein solches Einzelplatzsystem ist für Ärzte in kleinen Praxen geeignet. Diese Einzelplatzsysteme des Assistenz- und Entscheidungssystem können Aktualisierungen der Daten über Krankheitsbilder und deren Bewertung durch ein Lernen des Systems erhalten, indem die Vielzahl der mit diesem System untersuchten Patienten und deren Auswertung als Grundlage für weitere Analysen verwendet wird, oder es kann eine Aktualisierung über einen externen Rechner, der mit Daten einer aktuellen, externen Datenbank versorgt wird, erfolgen.
-
Des Weiteren sind aber auch Ausführungsformen des Assistenz- und Entscheidungssystems denkbar, bei denen das System mit einem externen Rechner und externen Datenbanken verbunden ist. Diese externen Datenbanken können zentral verwaltet werden, wodurch sichergestellt werden kann, dass immer die neusten wissenschaftlichen Forschungsergebnisse in die Datenbank eingegeben und entsprechend bewertet werden, so dass die Ergebnisse, die das Assistenz- und Entscheidungssystem liefert, immer dem neusten Stand der Wissenschaft auf diesem Fachgebiet entsprechen.
-
In einem solchen vernetzten Assistenz- und Entscheidungssystem können auch mehrere EEG-Geräte an einen oder mehrere externe Rechner und externe Datenbanken angeschlossen werden.
-
Zudem kann das Assistenz- und Entscheidungssystem derart ausgelegt sein, dass die Ergebnisse erfolgreicher Behandlungen und die dazugehörigen, gegebenenfalls anonymisierten, Patientendaten in der ersten Datenbank gespeichert werden und somit bei zukünftigen Analysen mit einbezogen werden können.
-
Eine solche vernetzte Ausführungsform eignet sich für Krankenhäuser oder eine Vielzahl von miteinander vernetzten Arztpraxen, die von einer zentralen Stelle aus betreut bzw. gewartet werden.