EP1492593A1 - Verfahren und vorrichtung zur prävention epileptischer anfälle - Google Patents
Verfahren und vorrichtung zur prävention epileptischer anfälleInfo
- Publication number
- EP1492593A1 EP1492593A1 EP03745788A EP03745788A EP1492593A1 EP 1492593 A1 EP1492593 A1 EP 1492593A1 EP 03745788 A EP03745788 A EP 03745788A EP 03745788 A EP03745788 A EP 03745788A EP 1492593 A1 EP1492593 A1 EP 1492593A1
- Authority
- EP
- European Patent Office
- Prior art keywords
- transmitter
- seizure
- seizure model
- early warning
- intervention
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000002265 prevention Effects 0.000 title claims abstract description 16
- 230000001037 epileptic effect Effects 0.000 title abstract description 7
- 230000005291 magnetic effect Effects 0.000 claims abstract description 21
- 238000005259 measurement Methods 0.000 claims abstract description 16
- 230000007177 brain activity Effects 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 230000001105 regulatory effect Effects 0.000 claims abstract description 7
- 238000001727 in vivo Methods 0.000 claims abstract description 5
- 206010010904 Convulsion Diseases 0.000 claims description 82
- 210000002569 neuron Anatomy 0.000 claims description 9
- 230000002195 synergetic effect Effects 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 4
- 230000005672 electromagnetic field Effects 0.000 abstract 1
- 230000001537 neural effect Effects 0.000 description 22
- 238000000537 electroencephalography Methods 0.000 description 14
- 230000008878 coupling Effects 0.000 description 6
- 238000010168 coupling process Methods 0.000 description 6
- 238000005859 coupling reaction Methods 0.000 description 6
- 206010015037 epilepsy Diseases 0.000 description 6
- 206010013647 Drowning Diseases 0.000 description 5
- 230000006399 behavior Effects 0.000 description 5
- 210000004556 brain Anatomy 0.000 description 5
- 230000003993 interaction Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 208000028329 epileptic seizure Diseases 0.000 description 4
- 238000007917 intracranial administration Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000011491 transcranial magnetic stimulation Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000010355 oscillation Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000000638 stimulation Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 241000238366 Cephalopoda Species 0.000 description 1
- 206010028347 Muscle twitching Diseases 0.000 description 1
- 102100035591 POU domain, class 2, transcription factor 2 Human genes 0.000 description 1
- 101710084411 POU domain, class 2, transcription factor 2 Proteins 0.000 description 1
- 206010062519 Poor quality sleep Diseases 0.000 description 1
- 206010070834 Sensitisation Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000035581 baroreflex Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005294 ferromagnetic effect Effects 0.000 description 1
- 238000005290 field theory Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 239000011810 insulating material Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000008313 sensitization Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000002618 waking effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/18—Applying electric currents by contact electrodes
- A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
- A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
- A61N1/36014—External stimulators, e.g. with patch electrodes
- A61N1/36025—External stimulators, e.g. with patch electrodes for treating a mental or cerebral condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/372—Analysis of electroencephalograms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4094—Diagnosing or monitoring seizure diseases, e.g. epilepsy
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N2/00—Magnetotherapy
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/242—Detecting biomagnetic fields, e.g. magnetic fields produced by bioelectric currents
- A61B5/245—Detecting biomagnetic fields, e.g. magnetic fields produced by bioelectric currents specially adapted for magnetoencephalographic [MEG] signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
- A61M2021/0005—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus
- A61M2021/0055—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus with electric or electro-magnetic fields
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2230/00—Measuring parameters of the user
- A61M2230/08—Other bio-electrical signals
- A61M2230/10—Electroencephalographic signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/02—Details
- A61N1/04—Electrodes
- A61N1/0404—Electrodes for external use
- A61N1/0472—Structure-related aspects
- A61N1/0476—Array electrodes (including any electrode arrangement with more than one electrode for at least one of the polarities)
Definitions
- the invention relates to a method and a device for the automatic non-invasive controlled or regulated electromagnetic prevention of epileptic seizures in vivo.
- the relevant technologies include the following approaches:
- TMS transcranial magnetic stimulation
- TMS for intervention in epilepsy consists of finding an epileptic focus based on the medical experience of the doctor using it, imaging procedures, or trying it out, and then trying to induce epileptic seizures with single or double coil systems (e.g. [5], [6 ], [10]).
- WO 98/18394 describes a method with which magnetic stimulation is carried out on a subject, at the same time his brain activity is measured by means of an EEG. This known method is used for diagnosis.
- WO 01/21067 discloses a method for the early detection of an impending epileptic seizure. This procedure is designed to predict an impending epileptic seizure for hours or days. This procedure measures a patient's brain activity at different locations before, during and after epileptic seizures. With the help of various nonlinear methods, sensor pairs are determined for this patient that predict the seizure particularly well in the context of a training phase consisting of seizures. Signal pairs are adapted at regular intervals, for which further attacks are necessary. The training and adaptation contained in this procedure prevent complete prevention, since the data must be updated again and again with new seizures.
- the object of the present invention is to create a method and a device for the prevention of epileptic seizures.
- the invention is based on the knowledge that the processes leading to epileptic seizures can be made quantifiable by naming suitable control parameters, so that reliable prevention is possible.
- FIG. 1 shows a transmitter in a sectional view
- FIG. 2 shows the transmitter from FIG. 1 in a view from below
- FIG. 3 shows a planar projection of openings for sensors and transmitters according to their arrangement on a helmet
- FIG. 4 shows a helmet and a carrier axis together with a chin rest
- FIG. 5 shows a further planar projection of openings for sensors and transmitters according to their arrangement on a helmet
- FIG. 6 shows an example of a time series of measured values of an EEG sensor
- FIG. 7 shows a section of the time series from FIG. 6 in a phase space representation 8
- FIG. 8 shows a typical course of the SNR (signal-to-noise ratio).
- the device comprises a measuring system with apparatuses for electromagnetic measurement data acquisition, preprocessing and forwarding, for example in an advantageous embodiment comprising an EEG cap with its sensors, connections to the amplifier, amplifier, connections to the AD converter, ADC Converter, connections to the computer unit, electricity supplier for the apparatus, and connections.
- apparatuses for electromagnetic measurement data acquisition for example in an advantageous embodiment comprising an EEG cap with its sensors, connections to the amplifier, amplifier, connections to the AD converter, ADC Converter, connections to the computer unit, electricity supplier for the apparatus, and connections.
- the device comprises an actuating system with apparatus for the extracranial generation of magnetic fields, referred to as “transmitter”, and a device for converting the digital control or regulation specifications originating from the computer unit into transmitter signals, for example in an advantageous embodiment comprising current-carrying coils, power suppliers , Connections, D / A converter, together with connections.
- Suitable sensors are EEG or MEG sensors.
- the MEG sensors are formed, for example, from a SQUID sensor element with a suitable evaluation device for detecting a magnetic field and a cooling device.
- the EEG sensors have, for example, two electrodes for measuring an electrical potential difference.
- a sensor can have an electrical and / or magnetic shield from its surroundings, provided that its function is not hindered (for example, no shield in the direction of the patient's crane, but very well shield in the direction of other transmitters and / or sensors and / or connecting cable).
- the part of the input side near the head can have a multiplicity of sensors which are distributed over the surface of the head near the brain; this multiplicity of sensors is referred to as a sensor grid.
- the sensor grid has a fixing device for fixing the same with respect to the patient's crane, so that when the sensor grid is put on and taken off several times, the sensors return to their respective relative positions, for example by fitting the sensor grid into a helmet, the inside of which has the cranial shape of the respective patient replicates.
- the fixation can also be carried out with the aid of a camera, the position of the patient's head in the room and the sensors with respect to the head being recorded by several cameras and converted in real time into 3D data.
- An advantageous embodiment of the input side comprises its partially outpatient form, in which the measurement data is obtained via a portable sensor grid, which is connected to devices for measurement data preprocessing to be carried by the patient in a backpack or as part of the clothing, and in which the data transfer to the computer unit is advantageously wireless he follows.
- a transmitter 5 comprises a current-carrying coil 6 with a para-, dia-, or ferromagnetic core 7, as shown in a sectional view in FIG. 1, the arrow directions symbolizing the directions of the current flow.
- the transmitter 5 has essentially have a cylindrical shape, the outer surface and an end face of the cylinder forming the rear side being clad with a shield 8.
- the coil 6 and the core 7 directly adjoin the side of the transmitter which is free of the shielding, and with this side the transmitter 5 is aligned with the cranium during operation to emit exogenous magnetic fields.
- a holding element 9 is arranged, with which the transmitter 5 can be fixed in a home.
- the extracranial transmitter 5 can be protected against deformation, for example by pouring the live parts into suitable resin or embedding the live parts in stable insulating material.
- the transmitter 5 can be provided with a cooling device.
- intracranially implanted electrodes are used as sensors and / or transmitters, via which both EEG measurements can be carried out and currents can be conducted into the brain.
- Lines leading to these electrodes and / or their interfaces to the computer unit and / or further lines and / or further measuring devices and / or the associated computer unit and / or the energy supplier of electrodes and / or computer unit can also be implanted, thereby permitting outpatient operation.
- An advantageous embodiment of the parts of the positioning system close to the head comprises a plurality of transmitters which are distributed intracranially or extracranially; this arrangement of transmitters is referred to as a transmitter grating.
- An advantageous embodiment of an extracranial transmitter grating includes fixing it with respect to the crane of the respective user, so that when the transmitter grille is put on and taken off several times, the transmitters assume their respective relative positions again, for example by fitting the transmitter grille into a helmet, the inside of which is the cranial shape of the respective user replicates.
- Another advantageous embodiment of the transmitter grid comprises implanted electrodes.
- An advantageous embodiment of the parts of an extracranial measuring and positioning system close to the head comprises a helmet 10 on its inside which reproduces the cranial shape of the respective user, with connecting cables running through a support axis 11 and a chin rest 12.Sensor and transmitter grids in the interior of the helmet are fixed in such a way that both grids overlap - ie there are sufficient transmitters in the vicinity of each sensor and vice versa.
- FIG. 3 shows a planar projection of the superimposition of the transmitter with the sensor grid (openings 13 for sensors are shown as circles and openings 14 for transmitters 5 as squares).
- the user sits on an armchair with a neck support below the helmet 10.
- the sensor grid is intracranial and the helmet contains the extracranial transmitter grid.
- the transmitter grid is intracranial and the helmet contains the extracranial sensor grid.
- both sensor and transmitter gratings are intracranial.
- the sensor density or sensor configuration of an extracranial sensor grid can be set. In a further advantageous embodiment, this change is automated, controlled or regulated via the intermediate unit.
- the transmitter density or transmitter configuration of an extracranial transmitter grid can be set and / or the angle of inclination of each individual transmitter to the patient's cranium can be changed.
- FIG. 5 shows a planar projection of a mechanical holder of this embodiment. Openings 13 for sensors are circles and openings 14 for Transmitter shown square. Here it is possible to anchor transmitter 5 in the openings 14 of the holder and / or to tilt transmitter 5 with respect to the holder.
- all conventional coil configurations can be represented with their arrangement, orientation and field direction.
- the device is provided with conventional protection against power failures and / or voltage fluctuations.
- the computer unit runs real-time and automatically: i) ongoing calculation of the seizure early warning indicator from the input data, ii) if the indicator exceeds thresholds, calculation of an intervention instruction to prevent seizure, and implementation of the intervention in question using the transmitter Magnetic fields, iii) If the indicator returns to normal and / or a time limit is exceeded, shutdown of the intervention, iv) Conventional algorithms for removing artifacts by artificially generated magnetic fields (see, for example, [2]), as well as for other artifact removal (e.g., due to muscle twitching) ,
- the measurement data acquisition by EEG, measurement data preprocessing and measurement data transfer in digital form along with possible artifact elimination are carried out continuously with conventional methods.
- the measurement data are automatically processed according to the empirically validated early warning indicator used to a value of this early warning indicator.
- the automatic intervention instructions for seizure prevention which are compatible with the seizure model used, are calculated, and their ongoing implementation via magnetic field generation (B-field generation) is carried out with the help of the transmitters.
- the specifics of magnetic field generation (for example location, strength, direction, frequency pattern, and / or others) result from the intervention instruction.
- the B-field changes cause intracranial induction voltages.
- the digital control of the magnetic field generation takes place with conventional methods. Current health recommendations for extracranial generated electromagnetic radiation are known, and compliance with them is automated.
- An early warning indicator is a quantity calculated from electromagnetic brain activity data that changes significantly before an epileptic attack. Early warning indicators are preferred for the present invention, which are changed at least a few minutes before the attack.
- a suitable early warning indicator is the correlation of similarity indices of a predefined proportion of sensors, with falling similarity indices.
- the similarity index is known from [1] and a number of previous publications, for example [21].
- the average early warning time given here is 325 seconds.
- the early warning indicator is the mutual information of similarity indices of a predefined portion of sensors, with decreasing similarity indices.
- "Mutual information” is known as a binary logarithm of "probability of the occurrence of two random variables together divided by the product of their individual probabilities”.
- the early warning indicator is the mutual information of similarity indices of a predefined portion of sensors, in the case of falling similarity indices, linked to activation indicators (for example, characteristic changes in body temperature when waking up, muscle movements, characteristic EEG patterns, and / or others). This minimizes the possibility of false alarms due to simultaneous changes in the patient's state of wakefulness for many sensors, with additional requirements for the device depending on the additional indicator (for example, ongoing EMG measurement).
- activation indicators for example, characteristic changes in body temperature when waking up, muscle movements, characteristic EEG patterns, and / or others.
- the examples given above for calculating early warning indicators do not require training phases that contain epileptic seizures.
- the early warning indicators are calculated on the basis of a phase space representation of the normal state of the patient concerned.
- FIGS. 6 and 7 An example of phase space embedding is given in FIGS. 6 and 7, FIG. 6 showing an EEG time series of 8 seconds for a single channel, with a sampling rate of 128 measuring points per second (x-axis time, y-axis voltage between Electrode and reference electrode in freely selected units), FIG. 7 shows a section of the time series from FIG. 6 comprising 32 measuring points starting with measuring point 128 in phase space representation (x-axis measured value at time t, y-axis measured value at time t-20).
- the method of embedding in a phase space is described in detail in [13], for example. It is assumed here that the one-dimensional signal (as in FIG. 6) is a projection of a higher-dimensional signal which is to be restored. This higher-dimensional signal is shown in two dimensions in FIG.
- a detection module can be specified with
- Seizure models are used to make the intervention reliable.
- the following models can be used as seizure models: oscillator seizure model, chaos seizure model, synergetic seizure model, stochastic oscillator seizure model, stochastic chaos seizure model, stochastic synergetic seizure model, stochastic synergetic seizure model
- seizure models describe the parameters relevant for an epileptic seizure, which are calculated from the electromagnetic activities of neurons and / or neuron populations. These parameters are e.g. Chaoticity of the potential difference time series measured by means of an EEG electrode and its reference electrode, expressed by their maximum Lyapunov exponent [12]. Typical further parameters are critical slowdown, critical fluctuations, similarity to a normal state in the (meta) phase space, etc. These parameters are expressed by concrete numerical parameters. For example, instead of the Lyapunov exponent, the chaoticity can alternatively be represented by the embedding dimension [13], correlation dimension, Kullback-Leibler entropy, etc.
- An oscillator seizure model is based on [3].
- the neuron populations described here are so-called neural limit cycle oscillators, which means that they can oscillate or rest depending on the parameters.
- the interaction of neural oscillators with each other is described with an interaction equation. This interaction presupposes the development of seizures. Preventing seizures is based on decoupling the neural oscillators.
- phase oscillator is used synonymously with “limit cycle oscillator”.
- limit cycle oscillator A distinction must be made here between the special case of phase oscillators (see for example [22]), in which the amplitude and phase are decoupled and only the phase of an oscillator is considered.
- the limit cycle is bige closed curve, the phase oscillator as a circular path.
- a corresponding seizure model is based on the increased occurrence of 1 clusters compared to other clusters.
- a suitable interaction for the oscillator seizure model is the specific weak coupling between neural oscillators. Seizures are accompanied by an increase in the number of oscillating neural oscillators as well as increased mutual information between the oscillation frequencies of these weakly coupled neural oscillators.
- a neural oscillator is a localized ensemble of neurons that is capable of oscillating and non-oscillating behavior. The dynamics of each neural oscillator interacting with other neural oscillators is through
- gj is given by the Wilson-Cowan equations known from [3] for the i-th neural oscillator, hy is the strength of the connection from Zj to Zj.
- the coupling strength epsilon is empirically between 0.04 and 0.08. If one assumes the coupling strength and connection strengths to be slowly changing compared to the time scale of a seizure, there remains primarily an intervention via the function g-. It is known from the theory of neural oscillators that they only interact in the case of oscillations, and only at commensurable oscillation frequencies.
- neural oscillators that are adjacent and secondly that oscillate with the same and / or commensurable frequencies prior to the intervention are forced to incommensurable frequencies that are contained in their original frequencies or to nearby incommensurable frequencies (example: neighboring oscillators have the frequencies 3 Hertz and 15 Hertz , therefore force the second oscillator to the frequency 5 Hertz. Another example: both have the frequency 8 Hertz, therefore force one of them to 7 Hertz).
- the vibrations are forced by means of magnetic fields of these frequencies at high amplitudes. Since oscillating neural oscillators and neighborhoods on the same and / or commensurable frequencies indicate the possible existence of physiological connections, the forced incommensurability, i.e. Modification of the gj, the possible and even more factual interaction between the respective zones is interrupted, which minimizes mutual information, and thus prevents the onset of seizures.
- the complexity of the process allows the continuous real-time calculation of all required sizes.
- step 1 Another advantageous embodiment of an instruction for the prevention of epileptic seizures that is compatible with the “seizure model with specific weak coupling between neural oscillators” is:
- step 1 first stimulate the neural oscillators to chaotic behavior [14] (for example by time-delayed feedback with systematic error ), and then stabilize the neural oscillators in step 2 depending on the influence of the respective transmitter first orbits with incommensurable frequencies that reach them using conventional methods.
- step 2 of this method has already proven sufficient in cell preparations to prevent the spread of seizures.
- the algorithm used there (“OGY method”) is unsuitable for the in vivo real-time case because of its requirements for computer speed and storage capacity.
- the chaos seizure model assumes that normal brain activity, as captured by each sensor, has a minimum of chaoticity. The seizures are accompanied by a simultaneous decrease in this chaos for all sensors. Seizures are prevented by maintaining a certain degree of chaos ([4] and [16]).
- An intervention instruction describing the magnetic field to be generated is calculated on the basis of these models. This description is e.g. by location, strength, direction, frequency pattern, and / or other parameters of the magnetic field (B field). With this magnetic field, the electromagnetic activities of neurons and / or neuron populations are changed in a suitable manner and an impending epileptic attack is thus prevented.
- the use of one or more seizure models reliably prevents epileptic seizures.
- the invention is based on the knowledge that the processes leading to epileptic seizures are made quantifiable by naming suitable control parameters, so that reliable prevention is possible.
- the preferred embodiment of the invention comprises an intervention module, which is suitable in a variety of models to prevent the attack, for example in the case of high transmitter density, the transmitters are to be divided into three classes, class 1 for chaotization, class 2 for incommensurable stabilization, - class 3 for Noise-Drowning, in such a way that in every neighborhood of each transmitter of one class there are transmitters of the other classes.
- class 1 seizure models are satisfied, class 2 oscillator model seizures, class 3 models with stochastic components.
- the satisfaction of synergetic models results automatically from devaluation of the master modes (by frequency shifts) while at the same time preventing the ascent from slave modes to master modes (by noise-drowning).
- the brain activity can be measured either during or immediately after an intervention, which results in a closed control loop, since the early warning indicator and, if necessary, a further intervention instruction are calculated from the measured brain activity.
- An advantageous embodiment of the retraction of the intervention is the sliding simultaneous retraction of all generated magnetic fields.
- An advantageous embodiment of the retraction of the intervention is the sliding thinning of the transmitters producing magnetic fields (thinning as a spatially uniformly distributed retraction and / or switching off a percentage of all transmitters).
- An advantageous embodiment of the retraction of the intervention is the spatially localized retraction and / or shutdown of several transmitters with gradual expansion of the area in which the retraction and / or shutdown takes place.
- the procedure described above prevents epileptic seizures.
- other behavioral goals preferably for healthy people, can be achieved on the basis of appropriate behavior models as well as general brain activity models.
- the general procedure comprises the interactive determination of the non-observables of the models used for the person concerned, based on this, and based on the models the calculation of an a priori unknown intervention instruction, as well as the selective implementation of the instruction while at the same time preventing undesired propagation effects.
- the aim of this modification is, at the request of a person, to reliably stabilize or change their behavior and / or to stabilize this change.
- This method can be carried out with a device similar to the device described above.
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Psychology (AREA)
- Pathology (AREA)
- Psychiatry (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Neurology (AREA)
- Social Psychology (AREA)
- Child & Adolescent Psychology (AREA)
- Hospice & Palliative Care (AREA)
- Developmental Disabilities (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Neurosurgery (AREA)
- Educational Technology (AREA)
- Radiology & Medical Imaging (AREA)
- Physiology (AREA)
- Acoustics & Sound (AREA)
- Anesthesiology (AREA)
- Hematology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Magnetic Treatment Devices (AREA)
- Electrotherapy Devices (AREA)
Abstract
Die Erfindung bezieht sich auf ein Verfahren und eine Vorrichtung für die reaktive automatische nichtinvasive gesteuerte bzw. geregelte elektromagnetische Prävention epileptischer Anfälle in vivo, auf der Basis von Anfallsmodellen. Das Verfahren umfasst erstens neben laufender extrakranialer Messung elektromagnetischer Felder, (insbesondere solcher, die im Zusammenhang mit Hirnaktivität stehen) die laufende Berechnung von Frühwarnindikatoren für Anfälle aus den Messdaten, und zweitens für den Fall kritischer Indikatorwerte neben laufender Berechnung von auf einem Anfallsmodell basierender anfallsverhindernder Interventionen die laufende Umsetzung dieser Interventionen durch extrakraniale Erzeugung geeigneter Magnetfelder.
Description
VERFAHREN UND VORRICHTUNG ZUR PRÄVENTION EPILEPTISCHER ANFÄLLE
Die Erfindung betrifft ein Verfahren und eine Vorrichtung für die automatische nichtin- vasive gesteuerte bzw. geregelte elektromagnetische Prävention epileptischer Anfälle in vivo.
Die relevanten Technologien umfassen folgende Ansätze:
1 Wesentliche Forschungsanstrengungen sind auf die neurophysiologische Entstehung epileptischer Anfälle, und dort auf die Ebene von Zellpräparaten fo- kussiert [8], [9].
2 Frühwarnmethoden auf der Basis extrakranialer EEG-Daten sind im Grundsatz beschrieben worden, z.B. [1], [21].
3 Diagnostische Verwendung von TMS (transkranialer Magnetstimulation) ist im Grundsatz beschrieben worden, auch gekoppelt mit EEG, z.B. [2]
4 Die Verwendung von TMS zur Intervention bei Epilepsie besteht aus dem Auffinden eines epileptischen Focus auf der Basis medizinischer Erfahrung des verwendenden Arztes, bildgebenden Verfahren, oder Ausprobieren sowie anschließenden Versuchen, mit Ein- oder Zweispulensystemen epileptische Anfälle hervorzurufen(z.B. [5], [6], [10]).
5 Anfallsmodelle, die Voraussetzungen und Eigenschaften kollektiver Erre-
gungsprozesse beschreiben, existieren als Musterbeispiele neuerer physikalischer Theorien, wie z.B. Synergetik (Überblick siehe [7]).
Die WO 98/18394 beschreibt ein Verfahren, mit dem eine Magnetstimulation an ei- nem Probanden durchgeführt wird, wobei gleichzeitig dessen Hirnaktivität mittels EEG gemessen wird. Dieses bekannte Verfahren wird zur Diagnose verwendet.
Aus der WO 01/21067 geht ein Verfahren zum frühzeitigen Ermitteln eines drohenden epileptischen Anfalls hervor. Mit diesem Verfahren soll ein drohender epileptischer Anfall Stunden oder Tage vorhergesagt werden. Bei diesem Verfahren wird die Hirnaktivität eines Patienten an unterschiedlichen Stellen vor, während und nach epileptischen Anfällen gemessen. Für diesen Patienten werden mit Hilfe verschiedener nichtlinearer Verfahren Sensorpaare ermittelt, die im Rahmen einer aus Anfällen bestehenden Trainingsphase den Anfall besonders gut vorhersagen. In regelmäßigen Abständen werden Signalpaare adaptiert, wozu weitere Anfälle nötig sind. Das in diesem Verfahren enthaltene Training und Adaption verhindern eine vollständige Prävention, da die Daten immer wieder mittels neuer Anfälle aktualisiert werden müssen.
Aufgabe der vorliegenden Erfindung ist es, ein Verfahren und eine Vorrichtung zur Prävention epileptischer Anfälle zu schaffen.
Die Aufgabe wird durch ein Verfahren mit den Merkmalen des Anspruchs 1 und durch eine Vorrichtung mit den Merkmalen des Anspruchs 8 gelöst. Vorteilhafte Ausgestaltungen der Erfindung sind in den jeweiligen Unteransprüchen angegeben.
Die Verwendung eines Anfallsmodells bewirkt eine zuverlässige Verhinderung epileptischer Anfälle. Der Erfindung liegt die Erkenntnis zugrunde, dass mit diesen Modellen die zu epileptischen Anfällen führenden Vorgänge unter Nennung geeigneter Kontrollparameter quantifizierbar gemacht werden, so dass eine zuverlässige Prä- vention möglich ist.
Die Erfindung wird nachfolgend beispielhaft anhand der Zeichnungen erläutert. In den Zeichnungen zeigen:
Fig. 1 einen Transmitter in einer Schnittansicht, Fig. 2 den Transmitter aus Figur 1 in einer Ansicht von unten, Fig. 3 eine planare Projektion von Öffnungen für Sensoren und Transmitter entspre- chend ihrer Anordnung an einem Helm,
Fig. 4 einen Helm und eine Trägerachse nebst einer Kinnstütze,
Fig. 5 eine weitere planare Projektion von Öffnungen für Sensoren und Transmitter entsprechend ihrer Anordnung an einem Helm, und Fig. 6 ein Beispiel für eine Zeitreihe von Messwerten eines EEG-Sensors, Fig. 7 einen Ausschnitt aus der Zeitreihe aus Figur 6 in einer Phasenraumdarstel- lung, und Fig. 8 einen typischen Verlauf der SNR (Signal-to-Noise-Ratio).
Vorrichtung
Die erfindungsgemäße Vorrichtung umfasst eingangsseitig ein Messsystem mit Apparaten zur elektromagnetischen Messdatengewinnung, -vorverarbeitung und - weitergäbe, beispielsweise in einer vorteilhaften Ausgestaltung umfassend eine EEG- Kappe mit ihren Sensoren, Verbindungen zum Verstärker, Verstärker, Verbindungen zum A D-Umsetzer, A/D-Umsetzer, Verbindungen zur Rechnereinheit, Stromversor- ger für die Apparate, nebst Verbindungen.
Die Vorrichtung umfasst ausgangsseitig ein Stellsystem mit Apparaten zur extrakra- nialen Erzeugung von Magnetfeldern, „Transmitter" genannt, sowie eine Vorrichtung zur Umsetzung der von der Rechnereinheit ausgehenden digitalen Steuerungs- bzw. Regelungsvorgaben in Transmittersignale, beispielsweise in einer vorteilhaften Ausgestaltung umfassend stromführende Spulen, Stromversorger, Verbindungen, D/AUmsetzer, nebst Verbindungen.
Des weiteren umfasst die Vorrichtung zwischen Eingangs- und Ausgangsseite eine Rechnereinheit (PC oder Workstation) mit Software, zur Implementierung des unten näher erläuterten Verfahrens.
Geeignete Sensoren sind EEG- oder MEG-Sensoren. Die MEG-Sensoren sind z.B. aus einem SQUID-Sensorelement mit geeigneter Auswerteeinrichtung zum Detektie- ren eines Magnetfeldes und Kühleinrichtung ausgebildet. Die EEG-Sensoren weisen z.B. zwei Elektroden zum Messen einer elektrischen Potenzialdifferenz auf.
Ein Sensor kann eine elektrische und/oder magnetische Abschirmung gegenüber seiner Umgebung aufweisen, soweit dadurch dessen Funktion nicht behindert wird (also beispielsweise keine Abschirmung in Richtung des Kraniums des jeweiligen Patienten, sehr wohl aber eine Abschirmung in Richtung anderer Transmitter und/oder Sensoren und/oder Verbindungskabel).
Der kopfnahe Teil der Eingangsseite kann eine Vielzahl von Sensoren aufweisen, die über die hirnnahe Kopfoberfläche verteilt sind, diese Vielzahl von Sensoren wird als Sensorgitter bezeichnet.
Das Sensorgitter weist eine Fixiereinrichtung zum Fixieren desselben bezüglich des Kraniums des jeweiligen Patienten auf, sodass bei mehrfachem Auf- und Absetzen des Sensorgitters die Sensoren ihre jeweilige relative Position wieder einnehmen, beispielsweise durch Einpassen des Sensorgitters in einen Helm, dessen Innenseite die Kranialform des jeweiligen Patienten nachbildet. Die Fixierung kann auch kameraunterstützt erfolgen, wobei die Position des Kopfes des Patienten im Raum, sowie der Sensoren bezüglich des Kopfes über mehrere Kameras erfasst und real-time in 3D-Daten umgerechnet wird.
Eine vorteilhafte Ausgestaltung der Eingangsseite umfasst deren teilweise ambulante Form, bei der die Messdatengewinnung über ein tragbares Sensorgitter erfolgt, das mit in einem Rucksack oder als Teil der Kleidung vom Patienten zu tragenden Vorrichtungen zur Messdatenvorverarbeitung verbunden ist, und bei der die Datenweitergabe zur Rechnereinheit vorteilhafterweise drahtlos erfolgt.
Ein Transmitter 5 umfasst eine stromführende Spule 6 mit para-, dia-, oder ferromag- netischem Kern 7, wie es in Figur 1 in Schnittansicht dargestellt ist, wobei die Pfeilrichtungen die Richtungen des Stromflusses symbolisieren. Der Transmitter 5 weist
im Wesentlichen eine zylinderförmige Form auf, wobei die Mantelfläche und eine die Rückseite bildende Stirnfläche des Zylinders mit einer Abschirmung 8 eingekleidet sind. An der von der Abschirmung freien Seite des Transmitters grenzen unmittelbar die Spule 6 und der Kern 7 an, und mit dieser Seite wird der Transmitter 5 im Betrieb auf das Kranium zur Abgabe exogener Magnetfelder ausgerichtet. An der Rückseite des Transmitters 5 ist ein Halteelement 9 angeordnet, mit welchem der Transmitter 5 in einem Heim fixierbar ist.
Der extrakraniale Transmitter 5 kann gegen Verformung geschützt sein, beispielswei- se durch Eingießen der stromführenden Teile in geeignetes Harz, oder Einbetten der stromführenden Teile in stabiles Isoliermaterial.
Der Transmitter 5 kann mit einer Kühlvorrichtung versehen sein.
In einer weiteren Ausgestaltung werden als Sensoren und / oder Transmitter intrakra- nial implantierte Elektroden verwendet, über die sowohl EEG Messungen durchgeführt werden können, als auch Ströme in das Hirn geleitet werden können. Zu diesen Elektroden führende Leitungen und/oder deren Interfaces zur Rechnereinheit und/oder weitere Leitungen und/oder weitere Messgeräte und/oder die zugehörige Rechnereinheit und/oder der Energieversorger von Elektroden und/oder Rechnereinheit sind ebenfalls implantierbar, wodurch ein ambulanter Betrieb gestattet wird.
Eine vorteilhafte Ausgestaltung der kopfnahen Teile des Stellsystems umfasst eine Vielzahl von Transmittem, die intra- und oder extrakranial verteilt sind, diese Anord- nung von Transmittem wird als Transmittergitter bezeichnet.
Eine vorteilhafte Ausgestaltung eines extrakranialen Transmittergitters umfasst dessen Fixierung bezüglich des Kraniums des jeweiligen Anwenders, sodass bei mehrfachem Auf- und Absetzen des Transmittergitters die Transmitter ihre jeweilige relative Position wieder einnehmen, beispielsweise durch Einpassen des Transmittergitters in einen Helm, dessen Innenseite die Kranialform des jeweiligen Anwenders nachbildet.
Eine andere vorteilhafte Ausgestaltung des Transmittergitters umfasst implantierte Elektroden.
Eine vorteilhafte Ausgestaltung der kopfnahen Teile eines extrakranialen Mess- und Stellsystem umfasst einen auf seiner Innenseite die Kranialform des jeweiligen Anwenders nachbildenden Helm 10 mit durch eine Trägerachse 11 verlaufenden Verbindungskabeln und einer Kinnstütze 12. Sensor- und Transmittergitter im Inneren des Helms sind solcherart fixiert, dass sich beide Gitter überlappen - i.e. sich in der Nachbarschaft jedes Sensors hinreichend viele Transmitter befinden und umgekehrt. Eine planare Projektion der Überlagerung des Transmitters mit dem Sensorgitter zeigt Figur 3 (hierbei sind Öffnungen 13 für Sensoren als Kreise und Öffnungen 14 für Transmitter 5 als Vierecke dargestellt). In der beschriebenen Ausgestaltung sitzt der Anwender auf einem Sessel mit Nackenstütze unterhalb des Helms 10.
In einer alternativen Ausgestaltung ist das Sensorgitter intrakranial, und der Helm enthält das extrakraniale Transmittergitter.
In einer alternativen Ausgestaltung ist das Transmittergitter intrakranial, und der Helm enthält das extrakraniale Sensorgitter.
In einer alternativen Ausgestaltung sind sowohl Sensor-, als auch Transmittergitter intrakranial.
In einer vorteilhaften Ausgestaltung lässt sich die Sensordichte bzw. Sensorkonfigu- ration eines extrakranialen Sensorgitters einstellen. In einer weiteren vorteilhaften Ausgestaltung geschieht diese Veränderung automatisiert, gesteuert bzw. geregelt über die Zwischeneinheit.
In einer vorteilhaften Ausgestaltung lassen sich die Transmitterdichte bzw. Transmit- terkonfiguration eines extrakranialen Transmittergitters einstellen und/oder die Neigungswinkel jedes einzelnen Transmitters zum Kranium des Patienten verändern. Eine planare Projektion einer mechanischen Halterung dieser Ausgestaltung zeigt Figur 5. Hierbei sind Öffnungen 13 für Sensoren als Kreise und Öffnungen 14 für
Transmitter eckig dargestellt. Hier ist es möglich, Transmitter 5 in den Öffnungen 14 der Halterung zu verankern, und/oder Transmitter 5 gegenüber der Halterung zu kippen. Unter anderem können in dieser Ausgestaltung sämtliche konventionellen Spulenkonfigurationen mit ihrer Anordnung, Ausrichtung und Feldrichtung dargestellt werden.
In einer vorteilhaften Ausgestaltung ist die Vorrichtung mit konventionellem Schutz vor Stromausfällen und/oder Spannungsschwankungen versehen.
In einer vorteilhaften Ausgestaltung laufen auf der Rechnereinheit real-time und au- tomatisch: i) Laufende Berechnung des Anfallsfrühwamindikators aus den Eingangsdaten, ii) Bei Schwellenüberschreitung durch den Indikator Berechnung einer Interventionsanweisung zur Anfallsverhinderung, sowie Durchführung der betreffenden Intervention mit Hilfe der per Transmitter erzeugten Magnetfelder, iii) Bei Rückkehr des Indikators in den Normalbereich und/oder Überschreiten einer Zeitschranke Herunterfahren der Intervention, iv) Konventionelle Algorithmen zur Beseitigung von Artefakten durch künstlich erzeugte Magnetfelder (siehe z.B. [2]), sowie zur sonstigen Artefaktbeseitigung (z.B. durch Muskelzuckungen).
In einer vorteilhaften Ausgestaltung laufen über i-iv hinausgehend zusätzlich auf der Rechnereinheit real-time und automatisch Algorithmen zur Dichte- und Positionie- rungsoptimierung von Sensoren und Transmittem.
Verfahren:
1. Die Messdatenerfassung per EEG, Messdatenvorverarbeitung und Messda- tenweitergabe in digitaler Form nebst möglicher Artefaktbeseitigung erfolgen laufend mit konventionellen Verfahren. Die Messdaten werden automatisch entsprechend dem verwendeten empirisch validierten Frühwarnindikator zu einem Wert dieses Frühwarnindikators verarbeitet .
2. Bei Ansprechen des Frühwarnindikators erfolgt die Berechnung einer mit dem verwendeten Anfallsmodell kompatiblen automatischen Interventionsanweisung zur Anfallsprävention, sowie deren laufende Umsetzung über Magnetfelderzeugung (B-Feld-Erzeugung) mit Hilfe der Transmitter. Die Spezifika der Magnetfelderzeugung (zum Beispiel Ort, Stärke, Richtung, Frequenzmuster, und/oder andere) ergeben sich aus der Interventionsanweisung. Die B-Feld- Änderungen bewirken intrakranial Induktionsspannungen. Die digitale Steuerung der Magnetfelderzeugung erfolgt mit konventionellen Verfahren. Geltende Gesundheitsempfehlungen für extrakraniale generierte elektromagnetische Strahlung sind bekannt, deren Einhaltung erfolgt automatisiert.
3. Bei Rückkehr des Frühwarnindikators in seinen Normalbereich und/oder Überschreiten einer Zeitschranke für die Intervention erfolgt das Herunterfahren der Intervention.
Ein Frühwarnindikator ist eine aus elektromagnetischen Hirnaktivitätsdaten berechnete Größe, die sich vor einem epileptischen Anfall deutlich ändert. Für die vorliegende Erfindung werden Frühwarnindikatoren bevorzugt, deren Änderung mindestens einige Minuten vor dem Anfall erfolgt.
Ein geeigneter Frühwamindikator ist die Korrelation von Ahnlichkeitsindices eines vordefinierten Anteils von Sensoren, bei sinkenden Ahnlichkeitsindices. Der Ähnlichkeitsindex (engl.: Similarity index)" ist aus [1] und einer Vielzahl vorangehender Veröffentlichungen, beispielsweise [21], bekannt. Die angegebene mittlere Frühwarnzeit liegt hier bei 325 Sekunden.
In einer anderen vorteilhaften Ausgestaltung des Verfahrens ist der Frühwamindikator die Mutual Information von Ahnlichkeitsindices eines vordefinierten Anteils von Sensoren, bei sinkenden Ahnlichkeitsindices. „Mutual Information" ist bekannt als binärer Logarithmus von „Wahrscheinlichkeit des gemeinsamen Auftretens zweier Zufallsva- riabler geteilt durch das Produkt ihrer Einzelwahrscheinlichkeiten".
In einer anderen vorteilhaften Ausgestaltung des Verfahrens ist Frühwamindikator die Mutual Information von Ahnlichkeitsindices eines vordefinierten Anteils von Sensoren,
bei sinkenden Ahnlichkeitsindices, verknüpft mit Aktivierungsindikatoren (z.B. für Aufwachen charakteristische Änderungen der Körpertemperatur, Muskelbewegungen, charakteristische EEG-Muster, und/oder andere). Hierdurch wird die Möglichkeit von Fehlalarmen durch für viele Sensoren simultane Änderungen des Wachheitszu- Stands des Patienten minimiert, wobei je nach Zusatzindikator zusätzliche Anforderungen an die Vorrichtung entstehen (beispielsweise laufende EMG Messung).
Diese oben angegebenen Beispiele zur Berechnung von Frühwarnindikatoren erfordern keine Trainingsphasen, die epileptische Anfälle enthalten. Die Berechnung der Frühwarnindikatoren erfolgt anhand einer Phasenraumdarstellung des Normalzustandes des betreffenden Patienten.
Die oben angegebenen Frühwarnindikatoren sind robust gegenüber Rauschen und Artefakten. Für andere nicht robuste Frühwarnindikatoren müssen Filterungs- bzw. Artefaktbeseitigungsverfahren dazwischen geschaltet werden.
Ein Beispiel für Phasen raumeinbettung ist in den Figuren 6 mit 7 gegeben, wobei Figur 6 eine 8 Sekunden umfassende EEG-Zeitreihe eines einzigen Kanals zeigt, bei einer Abtastrate von 128 Messpunkten pro Sekunde (x-Achse Zeit, y-Achse Span- nung zwischen Elektrode und Referenzelektrode in frei gewählten Einheiten), Figur 7 einen mit Messpunkt 128 beginnenden 32 Messpunkte umfassenden Ausschnitt aus der Zeitreihe aus Figur 6 in Phasenraumdarstellung (x-Achse Messwert zum Zeitpunkt t, y-Achse Messwert zum Zeitpunkt t-20). Das Verfahren der Einbettung in einen Phasenraum ist beispielweise in [13] ausführlich beschrieben. Hierbei wird davon ausgegangen, dass das eindimensionale Signal (wie in Figur 6) Projektion eines hö- herdimensionalen Signals ist, welches wiederhergestellt werden soll. Dieses höher- dimensionale Signal wird in Figur 7 zweidimensional dargestellt.
Als bevorzugte Ausführungsform eines Frühwarnsystems vor einem epileptischen Anfall lässt sich ein Detektions-Modul angeben mit
1) einer Einrichtung, um für jeden Messkanal die Ähnlichkeit der aktuellen Messreihe mit den Normalzustand repräsentierenden Messreihen zu errechnen. Die Erhebung des Normalzustandes jedes einzelnen Patienten erfolgt vor dem ei-
gentlichen Einsatz des Detektions-Moduls.
2) Einrichtung zum Abgeben eines lokalen Warnsignals für jeden Messkanal: falls die oben genante Ähnlichkeit unter einen Schwellenwert sinkt. \
3) Einrichtung zum Abgeben eines globalen Warnsignals, falls zeitnah mehrere Messkanäle zu lokalen Warnsignalen führen.
Um die Intervention zuverlässig zu gestalten, werden Anfallsmodelle verwendet. Als Anfallsmodelle können bspw. folgende Modelle verwendet werden: Oszillator-Anfallsmodell, Chaos-Anfallsmodell, Synergetikanfallsmodell, stochasti- sches Oszillator-Anfallsmodell, stochastisches Chaos-Anfallsmodell, stochastisches Synergetikanfallsmodell
Diese Anfallsmodelle beschreiben die aus elektromagnetischen Aktivitäten von Neuronen und/oder Neuronenpopulationen berechneten, für einen epileptischen Anfall relevanten Kenngrößen. Diese Kenngrößen sind z.B. Chaotizität der vermittels einer EEG-Elektrode und ihrer Referenzelektrode gemessenen Potenzialdifferenzzeitreihe, ausgedrückt durch deren maximalen Lyapunov-Exponenten [12]. Typische weitere Kenngrößen sind kritische Verlangsamung, kritische Fluktuationen, Ähnlichkeit mit einem Normalzustand im (Meta-)Phasenraum, usw. Diese Kenngrößen werden durch konkrete numerische Parameter ausgedrückt. So kann bspw. die Chaotizität anstelle durch den Lyapunov-Exponenten alternativ durch Einbettungsdimension [13], Korrelationsdimension, Kullback-Leibler-Entropie, usw. dargestellt werden.
Ein Oszillator-Anfallsmodell basiert auf [3]. Hierbei sind die beschriebenen Neuronenpopulationen sogenannte neurale Limit-Cycle-Oszillatoren, d.h., dass sie para- meterabhängig oszillieren oder ruhen können. Die Wechselwirkung neuraler Oszillatoren untereinander wird mit einer Wechselwirkungsgleichung beschrieben. Die Anfallsentstehung setzt diese Wechselwirkung voraus. Die Anfallsverhinderung basiert auf Entkopplung der neuralen Oszillatoren.
"Neuraler Oszillator" wird im folgenden synonym zu "Limit-Cycle-Oszillator" verwendet. Hiervon ist der Spezialfall der Phasenoszillatoren (siehe beispielsweise [22]) zu unterscheiden, bei denen Amplitude und Phase entkoppeln, und lediglich die Phase eines Oszillators betrachtet wird. Im Phasenraum stellt sich der Limit Cycle als belie-
bige geschlossene Kurve, der Phasenoszillator als Kreisbahn dar. Ein entsprechendes Anfallsmodell geht vom gegenüber anderen Clustern vermehrten Auftreten von 1- Clustern aus. Dieser Spezialfall und damit verbundene Interventionsverfahren (Re- setting plus Entrainment, s. beispielsweise [22]) führen im Fall allgemeiner Limit- Cycle-Oszillatoren nicht zum Erfolg, wobei nicht einmal ein harter Reset mit hoher Amplitude, der häufig wiederholt wird (ohnehin problematisch unter den rTMS - Gesundheitslimits) zur Anfallsverhinderung führt. Allgemeine Interventionen für Limit- Cycle-Oszillatoren hingegen funktionieren auch für Phasenoszillatoren.
Eine geeignete Wechselwirkung für das Oszillator-Anfallsmodell ist die spezifische schwache Kopplung zwischen neuralen Oszillatoren. Anfälle gehen einher mit Erhöhung der Anzahl oszillierender neuraler Oszillatoren nebst erhöhter Mutual Information zwischen Oszillationsfrequenzen dieser schwach gekoppelten neuralen Oszillatoren. Ein neuraler Oszillator ist ein lokalisiertes Neuronenensemble, das zu oszillie- rendem und nichtoszillierendem Verhalten fähig ist. Die Dynamik jedes neuralen Oszillators unter Wechselwirkung mit anderen neuralen Oszillatoren ist durch
Z,- = (z,-) + £∑"=Λ *Z; ε«l
gegeben. Hierbei ist für jedes i zwischen 1 und n Zj neuraler Oszillator, gj ist gegeben durch die aus [3] bekannten Wilson-Cowan Gleichungen für den i-ten neuralen Oszillator, hy sei die Stärke der Verbindung von Zj nach Zj. Die Kopplungsstärke Epsilon ergibt sich empirisch zwischen 0,04 und 0,08. Wenn man Kopplungsstärke und Verbindungsstärken als gegenüber der Zeitskala eines Anfalls langsam veränderlich an- nimmt, verbleibt neben möglichst globaler Störung durch starke extern generierte Zu- satzterme, mit möglichem Übergang einer Oszillation in Nichtoszillation primär eine Intervention über die Funktion g-,. Es ist aus der Theorie neuraler Oszillatoren bekannt, dass diese nur im Falle von Oszillationen, und zwar nur bei kommensurablen Oszillationsfrequenzen in Wechselwirkung treten.
Eine vorteilhafte Ausgestaltung einer mit dem „Anfallsmodell mit spezifischer schwacher Kopplung zwischen neuralen Oszillatoren" kompatiblen Anweisung zur Präventi-
on epileptischer Anfälle ist:
Man zwinge erstens benachbarte und zweitens auf vor der Intervention mit gleichen und/oder kommensurablen Frequenzen oszillierende neurale Oszillatoren auf inkommensurable Frequenzen, die in deren ursprünglichen Frequenzen enthalten sind oder auf nahegelegene inkommensurable Frequenzen (Beispiel: benachbarte Oszillatoren weisen die Frequenzen 3 Hertz und 15 Hertz auf, daher den zweiten Oszillator auf die Frequenz 5 Hertz zwingen. Weiteres Beispiel: beide weisen die Frequenz 8 Hertz auf, daher einen davon auf 7 Hertz zwingen). Die Schwingungen werden mittels Magnetfeldern dieser Frequenzen bei hoher Amplitude erzwungen. Da auf gleichen und/oder kommensurablen Frequenzen oszillierende neurale Oszillatoren sowie Nachbarschaft auf das mögliche Bestehen physiologischer Verbindungen hinweisen, wird durch die erzwungene Inkommensurabilität, d.h. Änderung der gj, die mögliche, und erst recht faktische Wechselwirkung zwischen den jeweiligen zι unterbrochen, die Mutual Information minimiert, mithin die Anfallsentstehung verhindert. Die Verfah- renskomplexität lässt die fortlaufende real-time Berechnung aller benötigten Größen zu.
Ob das Inkommensurabel-Machen von benachbarten Oszillatoren gelingt, hängt allerdings von deren Verschiedenheit sowie Minimalität ihrer gegenseitigen Kopplung ab. Im Extremfall lassen sich benachbarte, nahezu identische, stark gekoppelte Oszillatoren im Einflussbereich eines Transmitters durch diesen nicht auf verschiedene inkommensurable Frequenzen zwingen. Hier genügt es aber, Gruppen von Oszillatoren im Einflussbereich verschiedener Transmitter auf inkommensurable Frequenzen zu bewegen, um den Anfall zu verhindern. Dieses hat auch die Verhinderung der Entstehung von 1-Clustern im Einflussbereich mehrerer Transmitter sowie die Verhinderung der Entstehung von „travelling waves" zur Folge.
Eine weitere vorteilhafte Ausgestaltung einer mit dem „Anfallsmodell mit spezifischer schwacher Kopplung zwischen neuralen Oszillatoren" kompatiblen Anweisung zur Prävention epileptischer Anfälle ist: Man rege in Schritt 1 zunächst die neuralen Oszillatoren zu chaotischem Verhalten [14] an (zum Beispiel durch zeitverzögerte Rückkopplung mit systematischem Fehler), und stabilisiere anschließend in Schritt 2 je nach Einflussbereich des jeweiligen Transmitters die neuralen Oszillatoren auf den
ersten Orbits mit inkommensurablen Frequenzen, die diese erreichen, mit herkömmlichen Verfahren. Wie aus [4] bekannt, hat sich Schritt 2 dieses Verfahrens bereits in Zellpräparaten als ausreichend für das Unterbinden von Anfallsausbreitung erwiesen. Der dort verwendete Algorithmus („OGY-Verfahren") ist jedoch auf Grund seiner An- f orderungen an Rechnergeschwindigkeit und Speicherkapazität für den in vivo real- time Fall ungeeignet.
In dem stochastischen Oszillator-Anfallsmodell werden gegenüber dem oben genannten Anfallsmodell bestimmte Parameter als zufallsbedingt veränderlich ange- nommen. Die vorgeschlagenen Verfahren können ebenfalls angewandt werden (z.B. [15]).
In dem Chaos-Anfallsmodell wird davon ausgegangen, dass normale Hirnaktivität, wie sie von jedem Sensor aufgefangen wird ein Mindestmaß an Chaotizität aufweist. Die Anfälle gehen mit einem für alle Sensoren simultanen Absinken dieser Chaotizität einher. Anfallsverhinderung erfolgt über Aufrechterhaltung eines bestimmten Ausmaßes von Chaos ([4] und [16]).
In dem stochastischen Chaos-Anfallsmodell ergänzen hochdimensionale Einflüsse die niedrigdimensionale deterministische Veränderung der elektromagnetischen Größen. Die Anfalls-Verhinderungsstrategien entsprechen denen des Chaos- Anfallsmodells.
In dem Synergetikanfallsmodell wird davon ausgegangen, dass Hirnaktivität durch eine kleine Anzahl Freiheitsgrade, sogenannte Ordnungsparameter, beschrieben werden kann [17]. Es gilt zirkuläre Kausalität: Die Ordnungsparameter werden hervorgerufen und bestimmt durch die Kooperation von Neuronen, gleichzeitig aber bestimmen die Ordnungsparameter das makroskopische Systemverhalten. Ein epileptischer Anfall entspricht einem Phasenübergang. Dieser geht einher mit kritischer Verlangsamung und kritischen Fluktuationen. Anfallsverhinderung erfolgt über Verhinderung des Phasenübergangs (z.B. durch Kontrolle von Bifurkationspunkten gemäß [18]).
In dem stochastischen Synergetikanfallsmodell werden mit dem sogenannten Lange- vin-Ansatz stochastische Kräfte in phänomenologischer Weise in das Synergetikmo- dell eingeführt. Zur Anfallsverhinderung gibt es ergänzend zu dem oben genannten Verfahren die Möglichkeit der stochastischen Resonanz [20], und ihr Gegenteil, Noi- se-Drowning: Es ist bekannt, dass beispielsweise abhängig von einer Rausch- Amplitude (beispielsweise für Gaussian White Noise) in Systemen mit stochastischen Komponenten Signale erzeugt ("Coherence Resonance"), bzw. die Signal-to-Noise- Ratio (SNR) verstärkt ("Stochastic Resonance") oder abgeschwächt werden (letzteres soll hier als "Noise Drowning" bezeichnet werden). Der typische Verlauf der SNR ist in Figur 8 gezeigt (x-Achse Noise-Amplitude, y Achse SNR).
Anhand dieser Modelle wird eine Interventionsanweisung berechnet, die das zu erzeugende Magnetfeld beschreibt. Diese Beschreibung erfolgt z.B. durch Ort, Stärke, Richtung, Frequenzmuster, und/oder andere Parameter des magnetischen Feldes (B- Feldes). Mit diesem Magnetfeld werden in geeigneter Weise die elektromagnetischen Aktivitäten von Neuronen und/oder Neuronenpopulationen verändert und somit ein bevorstehender epileptischer Anfall verhindert.
Die Verwendung eines oder mehrerer Anfallsmodelle bewirkt eine zuverlässige Ver- hinderung epileptischer Anfälle. Der Erfindung liegt die Erkenntnis zugrunde, dass mit diesen Modellen die zu epileptischen Anfällen führenden Vorgänge unter Nennung geeigneter Kontrollparameter quantifizierbar gemacht werden, so dass eine zuverlässige Prävention möglich ist.
Die bevorzugte Ausführungsform der Erfindung umfasst ein Interventionsmodul, das in einer Vielzahl von Modellen geeignet ist, den Anfall zu verhindern, beispielsweise sind bei hoher Transmitterdichte die Transmitter in drei Klassen einzuteilen, Klasse 1 zum Chaotisieren, Klasse 2 zum inkommensurablen Stabilisieren, - Klasse 3 zum Noise-Drowning, solcherart, dass in jeder Nachbarschaft jedes Transmitters einer Klasse Transmitter der anderen Klassen zu finden sind.
Unter anderem werden durch Klasse 1 Chaos-Anfallsmodelle befriedigt, durch Klasse 2 Oszillator-Anfallsmodelle, durch Klasse 3 Modelle mit stochastischen Komponenten. Die Befriedigung synergetischer Modelle ergibt sich hier automatisch durch Entwerten der Master-Moden (durch Frequenzverschiebungen) bei gleichzeitigem Ver- hindern des Aufsteigens von Slave-Moden zu Master-Moden (durch Noise-Drowning). Die Befriedigung von Phasenoszillator-Anfallmodellen ergibt sich ebenfalls automatisch, da 1 -Cluster-Zustände verhindert werden (Inkommensurabilität verhindert Pha- se-Locking, Noise-Drowning verhindert höhere Moden). Die Befriedigung von Chaos- Anfallmodellen ergibt sich ebenfalls automatisch wegen Klasse 1 und Klasse 3 (Rau- sehen = hochdimensionales Chaos).
Bei den oben beschriebenen Verfahren kann entweder während oder unmittelbar nach einer Intervention die Hirnaktivität gemessen werden, wodurch eine geschlossene Regelschleife erhalten wird, da aus der gemessenen Hirnaktivität wiederum der Frühwamindikator und ggfs. eine weitere Interventionsanweisung berechnet wird.
Eine vorteilhafte Ausgestaltung des Zurückfahrens der Intervention ist das gleitende simultane Zurückfahren aller erzeugten Magnetfelder.
Eine vorteilhafte Ausgestaltung des Zurückfahrens der Intervention ist die gleitende Ausdünnung der Magnetfelder erzeugenden Transmitter (Ausdünnung als räumlich gleichmäßig verteiltes Zurückfahren und/oder Abschalten eines Prozentsatzes aller Transmitter).
Eine vorteilhafte Ausgestaltung des Zurückfahrens der Intervention ist das räumlich lokalisierte Zurückfahren und/oder Abschalten mehrerer Transmitter bei allmählicher Ausdehnung des Bereiches, in dem zurückgefahren und/oder abgeschaltet wird.
Es ist nicht notwendig, die Interventionen mit den in TMS üblichen hohen Feldstärken von 1-2 Tesla pro Spule zu betreiben. „Laufend" ist als „fortlaufend" oder als „in geeigneten Zeitabständen" definiert. Die Überwachung der Einhaltung elektromagnetischer Belastungsgrenzwerte erfolgt laufend automatisch.
Die Verwendung der Erfindung zielt nicht auf eine Heilung von Epilepsie ab, sondern ermöglicht während der Verwendungsdauer Anfallsfreiheit, ohne dass medizinisches Personal oder der Einsatz von Pharmaka notwendig sind. Dieses hat nicht nur die Minimierung von Krankheitsfolgen und Behandlungsnebenwirkungen, sondern auch eine deutliche Reduktion der laufenden Kosten zur Folge. Des weiteren ist ein ambulanter Einsatz der Erfindung möglich, womit sich neben einer weiteren Kostensenkung die Bewegungsfreiheit der Patienten in erheblichem Umfang verbessert.
Mit dem oben beschriebenen Verfahren werden epileptische Anfälle verhindert. Darüber hinaus können mit einem ähnlichen, aber allgemeineren, proaktiven Verfahren anstelle der reaktiven Verhinderung epileptischer Anfälle auf der Basis von Anfallsmodellen andere Verhaltensziele, vorzugsweise für gesunde Personen, auf der Basis entsprechender Verhaltensmodelle sowie allgemeiner Hirnaktivitätsmodelle erreicht werden. Das allgemeine Verfahren umfasst die interaktive Ermittlung der Nichtobser- vablen der verwendeten Modelle für die betreffende Person, darauf, und auf den Modellen basierend die Errechnung einer a priori unbekannten Interventionsanweisung, sowie die selektive Umsetzung der Anweisung bei gleichzeitiger Verhinderung unerwünschter Ausbreitungseffekte. Ziel dieser Abwandlung ist es, auf Wunsch einer Per- son deren Verhalten zuverlässig zu stabilisieren oder zu verändern und/oder diese Veränderung zu stabilisieren. Dieses Verfahren kann mit einer der oben beschriebenen Vorrichtung ähnlichen Vorrichtung ausgeführt werden.
Literatur:
[1] "Anticipation of epileptic seizures from Standard EEG recordings", Le
Van Quyen M & Martinerie J & Navarro V & Boon P & D'Have M & A- dam C & Renault B & Varela F & Baulac M, The Lancet 2001 Jan 20; 357: 183-8
[2] WO 98/18384 A1
[3] "Excitatory and inhibitory interactions in localized populations of model neurons", Wilson HR & Cowan JD, Biophysical Journal 1972; 12: 1-22
[4] "Controlling chaos in the brain", Schiff SJ & Jerger K & Duong DH &
Chang T & Spano ML & Ditto WL, Nature 1994 Aug 25; 370: 615-620
[5] „Transcranial magnetic Stimulation in patients with epilepsy", Dhuna A &
Gates J & Pascual-Leone A, Neurology 1991 July; 41 : 1067-1071
[6] "Epileptic seizures triggered directly by focal transcranial magnetic
Stimulation", Classen J & Witte OW & Schlaug G & Seitz RJ & Holthau- sen A & Benecke R, Electroencephalography and clinical Neurophysiol- ogy 1995; 94: 19-25
[7] "Epilepsy: multistability in a dynamic disease", Milton JG, in "Self- organized biological dynamics and nonlinear control", ed. Walleczek J, Cambridge University Press 2000
[8] "Electric field suppression of epileptiform activity in hippocampal slices",
Gluckman BJ & Neel EJ & Netoff Tl & Ditto WL & Spano ML & Schiff SJ, Journal of Neurophysiology 1996 Dec; 76(6): 4202-4205
[9] "Coupled intra- and extracellular Ca2+ dynamics in recurrent seizure-like events", Szilägy N & Koväcs R & Kardos J, European Journal of Neuro- science 2000; 12: 3893-3899
[10] "Deliberate Seizure Induction With Repetitive Transcranial Magnetic
Stimulation in Nonhuman Primates", Lisanby SH & Luber B & Sackeim HA & Finck AD & Schroeder C, Arch Gen Psychiatry 2001; 58: 199-200
[11] WO 01/21067
[12] „How to Extract Lyapunov Exponents from Short and Noisy Time Se- ries", Banbrook M & Ushaw G & McLaughlin S, IEEE Transactions on Signal Processing 1997; 45: 1378-1382
[13] „Determining embedding dimension for phase-space reconstruction us- ing a geometrical construction", Kennel MB & Brown R & Abarbanel
HDI, Physical Review A 1992, 45(6): 3403-3411
[14] „Chaotification via arbitrary small feedback controls: theory, method, and applications", Wang XF & Chen G; International Journal of Bifurca- tion and Chaos 2000; 10(3): 549-570
[15] „Controlling Nonchaotic Neuronal Noise Using Chaos Control Tech- niques", Christini DJ & CoHins JJ, Physical Review Letters 1995 Oct 2; 75(14): 2782-2785
[16] „Anticontrol of chaos in continuous-time Systems via time-delay feed- back", Wang XF & Chen G & Yu X; Chaos 2000 Dec; 10(4): 771 -779
[17] "A derivation of macroscopic f ield theory of the brain from quasi- microscopic neural dynamics", Jirsa VK & Haken H, Physica D 1999, 99: 503-526
[18] „Controlling Bifurcation Dynamics via Chaotification", Wang XF & Chen
G ; proposed paper for CDC 2001
[19] „Impact of noise on a field theoretical model of the human brain", Frank
TD, Daffertshofer A, Beek PJ & Haken H, Physica D 1999, 127: 233- 249
[20] „Functional Stochastic Resonance in the Human Brain: Noise Induced
Sensitization of the Human Baroreflex System", Hidaka I & Nozaki D & Yamamoto Y, Physical Review Letters 2000 Oct 23; 85(17): 3740-3743
[21] "Anticipating epileptic seizures in real time by a non-linear analysis of similarity between EEG recordings", Le Van Quyen M & Martinerie J &
Baulac M & Varela F, Neuroreport 10 (1999): 2149-2155
[22] "Effective desynchronisation with a Stimulation technique based on soft phase resetting", Tass P, Europhysics Letters 57(2), 2002: 164-170
Claims
1. Verfahren zur nichtinvasiven gesteuerten bzw. geregelten elektromagnetischen Prävention epileptischer Anfälle in vivo, umfassend folgende Schritte:
- automatisches extrakraniales elektromagnetisches Messen von Hirnaktivität,
- automatisches Berechnen eines Frühwarnindikators für epileptische Anfälle, - automatisches Berechnen einer Interventionsanweisung zur Anfallsprävention bei Ansprechen des Frühwarnindikators anhand eines Anfallsmodells und der gemessenen Hirnaktivität, und
- automatisches Umsetzen der Interventionsanweisung über gesteuerte bzw. geregelte extrakraniale Magnetfelderzeugung.
2. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass als Anfallsmodell die aus elektromagnetischen Aktivitäten von Neuronen und/oder Neuronenpopulationen für epileptische Anfälle relevanten Kenngrößen ver- wendet werden.
3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass ein Anfallsmodell aus der Gruppe Oszillator-Anfallsmodell, stochastisches Os- zillator-Anfallsmodell, Chaos-Anfallsmodell, stochastisches Chaos-Anfallsmodell, Synergetikanfallsmodell, stochastisches Synergetikanfallsmodell verwendet wird.
4. Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass das Messen von Hirnaktivität und Berechnen des Frühwarnindikators laufend erfolgt.
5. Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, dass eine Interventionsanweisung durch extrakraniale Erzeugung magnetischer Felder umgesetzt wird.
6. Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, dass entweder während oder unmittelbar nach einer Intervention die Hirnaktivität gemessen wird.
7. Verfahren nach einem der Ansprüche 1 bis 6, gekennzeichnet durch gesteuertes bzw. geregeltes automatisches Herunterfahren der Intervention bei Rückkehr des Frühwarnindikators in seinen Normalbereich und/oder Überschreiten einer Zeitschranke.
8. Vorrichtung zur automatischen nichtinvasiven gesteuerten bzw. geregelten elektromagnetischen Prävention epileptischer Anfälle in vivo, insbesondere zum Ausführen eines Verfahrens nach einem der Ansprüche 1 bis 7, umfassend: - eine Messeinrichtung mit zumindest einem Sensor zum Messen von elektromagnetischer Hirnaktivität,
- eine Einrichtung zum Ermitteln eines Frühwarnindikators zum frühzeitigen Erkennen epileptischer Anfälle,
- eine Einrichtung zum Berechnen einer Interventionsanweisung anhand eines Anfallsmodells und der gemessenen Hirnaktivität, und
- eine Einrichtung zum Umsetzen der Inten/entionsanweisung mit zumindest einem Transmitter zum Erzeugen eines magnetischen Feldes.
. Vorrichtung gemäß Anspruch 8, dadurch gekennzeichnet, dass die Messeinrichtung mehrere extrakraniale Sensoren aufweist, die ein Sensorgitter bilden.
10. Vorrichtung gemäß Anspruch 8 oder 9, dadurch gekennzeichnet, dass die Sensoren in einer EEG-Kappe angeordnet sind.
11. Vorrichtung nach einem der Ansprüche 8 bis 10, dadurch gekennzeichnet, dass die Einrichtung zum Umsetzen der Interventionsanweisung mehrere Transmitter aufweist, die ein Transmittergitter bilden.
12. Vorrichtung nach einem der Ansprüche 8 bis 11 , dadurch gekennzeichnet, dass eine Rechnereinheit vorgesehen ist, in der ein Softwaremodul zur Implementierung des Verfahrens nach einem der Ansprüche 1 bis 7 gespeichert ist.
13. Vorrichtung nach einem der Ansprüche 8 bis 12, dadurch gekennzeichnet, dass für einen jeden Sensor und einen jeden Transmitter eine elektrische und/oder magnetische Abschirmung vorgesehen ist.
14. Vorrichtung nach einem der Ansprüche 8 bis 13, dadurch gekennzeichnet, dass eine Fixiereinrichtung der Messeinrichtung bezüglich des Kraniums des jeweiligen Patienten vorgesehen ist, sodass bei mehrfachem Auf- und Absetzen des Sensorgitters die Sensoren ihre jeweilige relative Position wieder ein- nehmen.
15. Vorrichtung nach einem der Ansprüche 8 bis 14, dadurch gekennzeichnet, dass die Messeinrichtung mechanisch von der übrigen Vorrichtung entkoppelbar ausgebildet ist, sodass die Messeinrichtung von einem Patienten mitgeführt werden kann.
16. Vorrichtung nach einem der Ansprüche 8 bis 15, . dadurch gekennzeichnet, dass eine Fixiereinrichtung für die Einrichtung zum Umsetzen der Interventionsanweisung bezüglich des Kraniums des Patienten vorgesehen ist.
17. Vorrichtung nach einem der Ansprüche 8 bis 16, dadurch gekennzeichnet, dass die Sensoren und Transmitter auf einer Innenseite die Kranialform des jeweiligen Patienten nachbildenden Helmes angeordnet sind.
18. Vorrichtung nach einem der Ansprüche 9 und 11 bis 17, dadurch gekennzeichnet, dass das Transmittergitter und das Sensorgitter derart verschränkt sind, dass jedem Transmitter Sensoren und jedem Sensor Transmitter benachbart sind.
19. Vorrichtung nach einem der Ansprüche 11 bis 18, dadurch gekennzeichnet, dass im Transmittergitter Halterungen zum Aufnehmen zusätzlicher Transmitter vorgesehen sind, sodass die Transmitterdichte eines Transmittergitters lokal veränderbar ist und/oder sodass die Neigungswinkel einzelner Transmitter zum Kranium des Patienten veränderbar sind.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE10215115 | 2002-04-05 | ||
DE10215115A DE10215115A1 (de) | 2002-04-05 | 2002-04-05 | Verfahren und Vorrichtung zur Prävention epileptischer Anfälle |
PCT/EP2003/003543 WO2003084605A1 (de) | 2002-04-05 | 2003-04-04 | Verfahren und vorrichtung zur prävention epileptischer anfälle |
Publications (1)
Publication Number | Publication Date |
---|---|
EP1492593A1 true EP1492593A1 (de) | 2005-01-05 |
Family
ID=28051132
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
EP03745788A Withdrawn EP1492593A1 (de) | 2002-04-05 | 2003-04-04 | Verfahren und vorrichtung zur prävention epileptischer anfälle |
Country Status (5)
Country | Link |
---|---|
EP (1) | EP1492593A1 (de) |
JP (1) | JP2005528141A (de) |
AU (1) | AU2003226786A1 (de) |
DE (1) | DE10215115A1 (de) |
WO (1) | WO2003084605A1 (de) |
Families Citing this family (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9415222B2 (en) | 1998-08-05 | 2016-08-16 | Cyberonics, Inc. | Monitoring an epilepsy disease state with a supervisory module |
US7747325B2 (en) | 1998-08-05 | 2010-06-29 | Neurovista Corporation | Systems and methods for monitoring a patient's neurological disease state |
US8762065B2 (en) | 1998-08-05 | 2014-06-24 | Cyberonics, Inc. | Closed-loop feedback-driven neuromodulation |
US7209787B2 (en) | 1998-08-05 | 2007-04-24 | Bioneuronics Corporation | Apparatus and method for closed-loop intracranial stimulation for optimal control of neurological disease |
US9042988B2 (en) | 1998-08-05 | 2015-05-26 | Cyberonics, Inc. | Closed-loop vagus nerve stimulation |
US9113801B2 (en) | 1998-08-05 | 2015-08-25 | Cyberonics, Inc. | Methods and systems for continuous EEG monitoring |
US9375573B2 (en) | 1998-08-05 | 2016-06-28 | Cyberonics, Inc. | Systems and methods for monitoring a patient's neurological disease state |
US8118722B2 (en) | 2003-03-07 | 2012-02-21 | Neuronetics, Inc. | Reducing discomfort caused by electrical stimulation |
US7153256B2 (en) | 2003-03-07 | 2006-12-26 | Neuronetics, Inc. | Reducing discomfort caused by electrical stimulation |
US8177702B2 (en) | 2004-04-15 | 2012-05-15 | Neuronetics, Inc. | Method and apparatus for determining the proximity of a TMS coil to a subject's head |
US7601115B2 (en) | 2004-05-24 | 2009-10-13 | Neuronetics, Inc. | Seizure therapy method and apparatus |
US7857746B2 (en) | 2004-10-29 | 2010-12-28 | Nueronetics, Inc. | System and method to reduce discomfort using nerve stimulation |
US7396326B2 (en) | 2005-05-17 | 2008-07-08 | Neuronetics, Inc. | Ferrofluidic cooling and acoustical noise reduction in magnetic stimulators |
US7824324B2 (en) | 2005-07-27 | 2010-11-02 | Neuronetics, Inc. | Magnetic core for medical procedures |
US8868172B2 (en) | 2005-12-28 | 2014-10-21 | Cyberonics, Inc. | Methods and systems for recommending an appropriate action to a patient for managing epilepsy and other neurological disorders |
US8725243B2 (en) | 2005-12-28 | 2014-05-13 | Cyberonics, Inc. | Methods and systems for recommending an appropriate pharmacological treatment to a patient for managing epilepsy and other neurological disorders |
EP2034885A4 (de) | 2006-06-23 | 2010-12-01 | Neurovista Corp | Minimal invasive überwachungssysteme und -verfahren |
US8295934B2 (en) | 2006-11-14 | 2012-10-23 | Neurovista Corporation | Systems and methods of reducing artifact in neurological stimulation systems |
DE102007003565B4 (de) * | 2007-01-24 | 2012-05-24 | Forschungszentrum Jülich GmbH | Vorrichtung zur Reduktion der Synchronisation neuronaler Hirnaktivität sowie dafür geeignete Spule |
EP2124734A2 (de) | 2007-01-25 | 2009-12-02 | NeuroVista Corporation | Verfahren und systeme zur messung der emfpänglichkeit eines subjekts für einen anfall |
US9898656B2 (en) | 2007-01-25 | 2018-02-20 | Cyberonics, Inc. | Systems and methods for identifying a contra-ictal condition in a subject |
US8036736B2 (en) | 2007-03-21 | 2011-10-11 | Neuro Vista Corporation | Implantable systems and methods for identifying a contra-ictal condition in a subject |
US9788744B2 (en) | 2007-07-27 | 2017-10-17 | Cyberonics, Inc. | Systems for monitoring brain activity and patient advisory device |
DE102007046694A1 (de) * | 2007-09-28 | 2009-04-09 | Raumedic Ag | Sensorsystem zur Messung, Übertragung, Verarbeitung und Darstellung eines Hirnparameters |
US9259591B2 (en) | 2007-12-28 | 2016-02-16 | Cyberonics, Inc. | Housing for an implantable medical device |
US20090171168A1 (en) | 2007-12-28 | 2009-07-02 | Leyde Kent W | Systems and Method for Recording Clinical Manifestations of a Seizure |
US8849390B2 (en) | 2008-12-29 | 2014-09-30 | Cyberonics, Inc. | Processing for multi-channel signals |
US8588933B2 (en) | 2009-01-09 | 2013-11-19 | Cyberonics, Inc. | Medical lead termination sleeve for implantable medical devices |
US8786624B2 (en) | 2009-06-02 | 2014-07-22 | Cyberonics, Inc. | Processing for multi-channel signals |
US9643019B2 (en) | 2010-02-12 | 2017-05-09 | Cyberonics, Inc. | Neurological monitoring and alerts |
CA2867774A1 (en) * | 2012-04-06 | 2013-10-10 | Newport Brain Research Laboratory Inc. | Rtms device |
RU2522990C2 (ru) * | 2012-08-24 | 2014-07-20 | Юрий Терентьевич Калашников | Способ лечения эпилепсии |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4736751A (en) * | 1986-12-16 | 1988-04-12 | Eeg Systems Laboratory | Brain wave source network location scanning method and system |
US5730146A (en) * | 1991-08-01 | 1998-03-24 | Itil; Turan M. | Transmitting, analyzing and reporting EEG data |
US6117066A (en) * | 1992-12-04 | 2000-09-12 | Somatics, Inc. | Prevention of seizure arising from medical magnetoictal non-convulsive stimulation therapy |
US5691324A (en) * | 1994-01-14 | 1997-11-25 | Sandyk; Reuven | Methods useful for the treatment of neurological and mental disorders related to deficient serotonin neurotransmission and impaired pineal melatonin functions |
WO1998018394A1 (en) | 1996-10-30 | 1998-05-07 | Plc Medical Systems, Inc. | Variable angle surgical laser handpiece |
FI964387A0 (fi) * | 1996-10-30 | 1996-10-30 | Risto Ilmoniemi | Foerfarande och anordning foer kartlaeggning av kontakter inom hjaernbarken |
US6266556B1 (en) * | 1998-04-27 | 2001-07-24 | Beth Israel Deaconess Medical Center, Inc. | Method and apparatus for recording an electroencephalogram during transcranial magnetic stimulation |
AU5900299A (en) * | 1998-08-24 | 2000-03-14 | Emory University | Method and apparatus for predicting the onset of seizures based on features derived from signals indicative of brain activity |
US6161045A (en) * | 1999-06-01 | 2000-12-12 | Neuropace, Inc. | Method for determining stimulation parameters for the treatment of epileptic seizures |
DE10028787A1 (de) * | 1999-06-16 | 2001-01-11 | Univ Ilmenau Tech | Vorrichtung zur Behandlung von neurologischen und neuropsychologischen Erkrankungen |
US6304775B1 (en) | 1999-09-22 | 2001-10-16 | Leonidas D. Iasemidis | Seizure warning and prediction |
LU90582B1 (en) * | 2000-05-16 | 2001-11-19 | Europ Economic Community | System for identifying brain activity |
-
2002
- 2002-04-05 DE DE10215115A patent/DE10215115A1/de not_active Withdrawn
-
2003
- 2003-04-04 JP JP2003581842A patent/JP2005528141A/ja active Pending
- 2003-04-04 EP EP03745788A patent/EP1492593A1/de not_active Withdrawn
- 2003-04-04 WO PCT/EP2003/003543 patent/WO2003084605A1/de not_active Application Discontinuation
- 2003-04-04 AU AU2003226786A patent/AU2003226786A1/en not_active Abandoned
Non-Patent Citations (1)
Title |
---|
See references of WO03084605A1 * |
Also Published As
Publication number | Publication date |
---|---|
DE10215115A1 (de) | 2003-10-16 |
AU2003226786A1 (en) | 2003-10-20 |
WO2003084605A1 (de) | 2003-10-16 |
JP2005528141A (ja) | 2005-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1492593A1 (de) | Verfahren und vorrichtung zur prävention epileptischer anfälle | |
DE69736592T2 (de) | Systeme zur vorhersagung, schnellerfassung,warnung, vermeidung oder kontrolle von zustandsveränderungen im gehirn | |
DE60204451T2 (de) | Feststellung von neurologischen zuständen mittels reizevozierten potentialen | |
EP1827586B1 (de) | Vorrichtung zur desynchronisation neuronaler hirnaktivität | |
US20050107655A1 (en) | Method and apparatus for the prevention of epileptic seizures | |
DE69933761T2 (de) | Rückenmarks-Stimulationssystem mit Patientenaktivität und Therapieeinstellungen | |
DE102010004307B4 (de) | Magnetstimulation mit frei wählbarer Pulsform | |
DE69736811T2 (de) | Verfahren und vorrichtung zum lokalisieren von kortikalverbindungen | |
WO2003085546A1 (de) | Verfahren und vorrichtung zur elektromagnetischen modifikation von hirnaktivität | |
EP3041574B1 (de) | System zur nicht-invasiven neuronalen stimulation | |
WO2005113063A1 (de) | Vorrichtung zur behandlung von patienten mittels hirnstimulation, ein elektronisches bauteil sowie die verwendung der vorrichtung und des elektronischen bauteils in der medizin und medizinisches behandlungsverfahren | |
EP1988828A1 (de) | Sonde zur datenübertragung zwischen einem gehirn und einer datenverarbeitungsvorrichtung | |
WO2005053787A1 (de) | Verfahren und vorrichtung zur desynchronisation neuronaler hirnaktivität | |
DE102012002437A1 (de) | Vorrichtung und Verfahren zur Eichung einer invasiven, elektrischen und desynchronisierenden Neurostimulation | |
EP3215007B1 (de) | Vorrichtung zur kalibrierung einer nicht-invasiven mechanisch taktilen und/oder thermischen neurostimulation | |
DE102015108861A1 (de) | Verfahren und Vorrichtung zur Neurostimulation | |
DE102019209096A1 (de) | Neuronales signalsystem zur verhaltensmodifikation | |
DE10211766B4 (de) | Vorrichtung zur Behandlung von Patienten mittels Hirnstimulation sowie die Verwendung der Vorrichtung in der Medizin | |
DE102019214752A1 (de) | Neuronales signalsystem, verfahren und computerprogramm zumsignalisieren eines gerätezustands | |
EP3183032B1 (de) | Vorrichtung zur effektiven invasiven neurostimulation mittels variierender reizsequenzen | |
DE10042813A1 (de) | Anordnung und Verfahren zur Generierung von Schlafprofilen unter Einbeziehung der Herzperiodendauervariabilität | |
Wang | Closed-loop brain-computer interfaces for memory restoration using deep brain stimulation | |
DE202022101545U1 (de) | Eine medizinische Vorrichtung zur Behandlung von neurologischen Störungen | |
WO2008089741A1 (de) | Vorrichtung zur reduktion der synchronisation neuronaler hirnaktivität sowie dafür geeignete spule | |
DE10234676A1 (de) | Verfahren und Vorrichtung zur gesteuerten oder geregelten Modifikation von Hirnaktivität |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PUAI | Public reference made under article 153(3) epc to a published international application that has entered the european phase |
Free format text: ORIGINAL CODE: 0009012 |
|
17P | Request for examination filed |
Effective date: 20041029 |
|
AK | Designated contracting states |
Kind code of ref document: A1 Designated state(s): AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HU IE IT LI LU MC NL PT RO SE SI SK TR |
|
AX | Request for extension of the european patent |
Extension state: AL LT LV MK |
|
STAA | Information on the status of an ep patent application or granted ep patent |
Free format text: STATUS: THE APPLICATION IS DEEMED TO BE WITHDRAWN |
|
18D | Application deemed to be withdrawn |
Effective date: 20061101 |