ZUSAMMENFASSUNG
Gegenstand und Ziel Computerbasierte Diagnosegeräte sind im klinischen Alltag allgegenwärtig und erweitern
über die Möglichkeit einer komplexen Datenverarbeitung (z. B. Künstlichen Intelligenz)
immer mehr unser Leben. Ist die Tumorforschung schon seit vielen Jahren dabei, Bilddaten
elektronisch zu erfassen und zu verarbeiten, so erfolgt die Befundung akustisch evozierter
Potenziale noch visuell auf gemittelten Daten.
Material und Methoden In einer Publikation haben die Autoren erstmals ein Verfahren beschrieben [7], womit es möglich ist, Single sweeps bei vestibulär evozierten myogene Potenzialen
(VEMPs) zu erfassen und detailliert zu verarbeiten. Weiterhin wurde 2018 ein Patent
eingereicht, womit Brainstem Evoked Response Audiometrie (BERA)-Daten über maschinelles
Lernen ausgewertet werden können.
Ergebnisse Der neuartige Single-sweep-Algorithmus kann bei VEMP-Messungen noch weitere Parameter
über neuronale Grundaktivität und Latenzrauschen erfassen. Mittels Künstlicher Intelligenz
(KI) können Amplitudenwachstumsfunktionen von BERA-Daten automatisiert erhoben werden.
Schlussfolgerungen Single sweeps haben das Potenzial, automatisiert neue Merkmale zu erfassen und intelligent
zu verarbeiten.
ABSTRACT
Objective In today’s clinical practice, computational diagnostic devices are used ubiquitously.
They ease the life of medical personal by offering complex data processing based on
machine learning. While tumor research has been electronically acquiring and processing
image data for many years, the analysis of auditory evoked potentials (AEP) is still
done visually based on averaged data series.
Material and Method The authors describe for the first time a method with which it is possible to record
and process single sweeps in vestibular evoked myogenic potentials (VEMP) [7]. Furthermore, the authors applied for a patent in 2018, describing how ABR data
can be analyzed via machine learning algorithms.
Results A new single sweep algorithm can extract additional information from the VEMP measurements
even when neural background activity and latency noise compromise the measurement.
Using artificial intelligence, amplitude growth functions of ABR datasets can be generated
automatically.
Conclusions Single sweeps have the potential to capture both well established and new attributes
in an automated manner.
Schlüsselwörter
Mittelwertfunktion - BERA - VEMPs - Single sweeps - Algorithmus - maschinelles Lernen
Key words
Averaging technique - ABR - VEMPs - single sweeps - algorithm - machine learning
