Prädiktion epileptischer Anfälle: Analyse von circadianen Abhängigkeiten und Strategien zur Reduktion falscher Vorhersagen

Fragestellung: Einige Verfahren zur Prädiktion epileptischer Anfälle basierend auf einer Analyse invasiver EEG-Registrierungen ermöglichen eine Vorhersage mit hoher Sensitivität. Dabei muss jedoch eine hohe Zahl falscher Prädiktionen akzeptiert werden. Bisher ist über die Ursache falscher Vorhersagen wenig bekannt. In der vorliegenden Studie wurden mögliche Ursachen von falschen Prädiktionen, circadiane Abhängigkeiten sowie mögliche Strategien zur Reduktion ihrer Anzahl analysiert.

Methoden: Ein Vorhersage-Verfahren basierend auf der Analyse von ähnlichen Mustern im EEG, der „Dynamical Similarity Index“, sowie ein Verfahren der Synchronisations-Analyse, die „Mean Phase Coherence“, wurden untersucht. Das Konzept der „Seizure Prediction Characteristic“ wurde benutzt, um die Vorhersageleistung in bezug auf Sensitivität, Anzahl falscher Vorhersagen sowie zeitlicher Aspekte einer Prädiktion zu evaluieren. Die Datenbasis bildeten invasive EEG-Registrierungen von 21 Patienten mit jeweils 24 Stunden interiktaler Aktivität und jeweils 2–5 präiktalen Phasen pro Patient. Für zehn Patienten wurde zusätzlich simultan Oberflächen-EEG abgeleitet. Eine visuelle Inspektion der invasiven EEG-Registrierungen sowie des Oberflächen-EEGs wurde an den Zeitpunkten des Auftretens falscher Prädiktionen durchgeführt.

Ergebnisse: Eine mögliche Abhängigkeit des Auftretens falscher Vorhersagen von epileptischer Aktivität wie Spikes, Sharp-Waves oder subklinischer Aktivität konnte für beide Vorhersage-Verfahren nicht gezeigt werden. Für den Dynamical Similarity Index traten 86% der falschen Vorhersagen während des Schlafes auf, für die Mean Phase Coherence 68%. Durch die Kombination eines Referenz-Fensters während Non-REM Schlaf und eines Referenz-Fensters während eine Wachphase konnte für den Dynamical Similarity Index eine Reduktion der falschen Prädiktionen um 43% erzielt werden, bei einer Reduktion der Sensitivität von 77% auf 65%.

Schlussfolgerungen: Für beide untersuchten Vorhersage-Verfahren scheinen Unterschiede im Schlaf-Wach-Rhythmus einen Einfluss auf das Auftreten falscher Prädiktionen zu haben. Durch geeignete Wahl von Referenz-Fenstern und deren Kombination lässt sich die Zahl falscher Vorhersagen für den Dynamical Similarity Index deutlich reduzieren. Diese Erkenntnis wird in zukünftigen Studien verwendet werden, um durch eine dynamische Wahl des Referenz-Fensters eine weitere Erhöhung der Spezifität zu erzielen.