Schwindel gehört zu den häufigsten Symptomen der Medizin. Die Diagnostik ist komplex,
teuer und flächendeckend nicht immer vorhanden. Um dies zu verbessern soll eine orts-
und zeitunabhängige Lösung entwickelt werden. Ziel dieser Studie war, die Nystagmusdetektion
mit einem Smartphone durchzuführen und mittels künstlicher Intelligenz (KI) auszuwerten.
In der Feasibility-Studie unterzogen sich 7 gesunde Probanden Kalorikuntersuchungen.
Die Videonystagmographie (VNG) erfolgte mithilfe des eigenen Prototyps der VertiGo-App.
Es wurden jeweils Aufnahmen mit (n=20) und ohne Mundnasenmaske (n=35) eigenständig
im Selfiemodus bzw. durch Fremdbedienung der Rückkamera durchgeführt. Diese wurden
mit eigener Software analysiert, welche maschinelles Lernen nutzt. Ein Algorithmus
detektierte Nystagmen in Folgen horizontaler Pupillenpositionen. Differenziert wurde
zwischen Präsenz oder Fehlen von Nystagmen, wobei ein Grenzwert von mindestens zwei
Nystagmen in die gleiche Richtung verwendet wurde.
In 85% der Aufnahmen wurden einzelne Nystagmen erkannt. Unter Berücksichtigung des
Grenzwertes wurde ein positiv prädiktiver Wert von 94%, eine Sensitivität von 36%
und eine Spezifität von 88% erreicht. Anwendung der Selfie- oder Rückkamera und das
Tragen einer Maske zeigte keinen Einfluss auf die VNG.
In dieser Studie konnte die mobile Nystagmusdetektion mittels Smartphone in Eigennutzung
im Selfiemodus sowie Fremdnutzung durch die Rückkamera durchgeführt und mit eigener
Software KI-basiert ausgewertet werden. Die Aufnahmequalität wird durch Tragen einer
Maske nicht affektiert. Die Ergebnisse zeigen einen Zugewinn der Messgenauigkeit im
Vergleich zu den Vorstudien mit Webcam. Der derzeitige App-Prototyp muss weiter verbessert
werden, um eine klinische Erprobung durchzuführen.
gefördert durch das BMBF Mensch-Technik-Interaktion https://www.interaktive-technologien.de/projekte/vertigo
