Hypermodale und unmerkliche Erkennung von Vorhofflimmern bei geriatrischen Patienten (HypAFib)

• Antragsteller: Professor Dr. Leo Cornelius Bollheimer; Professor Dr.-Ing. Steffen Leonhardt
• Fachliche Zuordnung: Biomedizinische Systemtechnik ; Gerontobiologie und Geriatrie
• Förderung: Förderung seit 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 527346822

Kardiovaskuläre Erkrankungen gehören zu den häufigsten Todesursachen bei Menschen ab 65 Jahren. Dazu gehört auch Vorhofflimmern (VHF), das mit einem erhöhten Risiko für Schlaganfälle, Herzinsuffizienz, Demenz und einer allgemein erhöhten Mortalität assoziiert ist. Die Prävalenz von VHF nimmt mit dem Alter zu und liegt bei Menschen über 85 Jahren bei 17,8%. Besonders problematisch ist dabei der hohe Anteil von asymptomatischem VHF: in Screeningstudien wurde je nach Population (bzgl. Vorerkrankungen und Risikofaktoren) bei 10,5% bis 30% der Probanden eine VHF Erstdiagnose gestellt. Im HypAFib-Projekt soll die Früherkennung von VHF durch unmerkliche hypermodale Messung physiologischer Signale im Bett erforscht werden. Das "hypermodale" Messsystem besteht aus in der Matratze integrierten multimodalen Sensoren und einem über dem Bett angebrachten multispektralen Kamerasystem. Die multimodalen Sensoren in der Matratze beinhalten das kapazitive Elektrokardiogramm, die Reflektions-Photoplethysmographie und Magnetimpedanz-Messung. Das multispektrale Kamerasystem vereint das Photoplethysmographie Imaging (PPGI) und die Infrarotthermographie (IRT). Durch die unmerkliche Art der Messung eignet sich das System insbesondere auch für Patienten, die ein konventionelles, kontaktbasiertes Monitoring mittels EKG nicht tolerieren (z.B. Patienten mit Delir oder Demenz). In Vorarbeiten konnte bereits die Machbarkeit der Messung von physiologischen Parametern mittels der einzelnen Modalitäten gezeigt werden. Daher liegt der Schwerpunkt dieses Vorhabens auf der Erforschung von Algorithmen zur Fusion von schwachen und potentiell gestörten physiologischen Signalen. Zum einen soll durch multispektrale Bildfusion und multispektrales 3D-Tracking die Robustheit der Kamerasysteme gegenüber Bewegungsartefakten verbessert werden. Zum anderen soll ein intelligenter Fusionsalgorithmus Zusammenhänge zwischen den einzelnen Modalitäten erkennen, invalide Signale verwerfen und aus den validen Signalen robust physiologische Parameter und Signalmerkmale berechnen. Darauf basierend erfolgt die VHF-Erkennung über einen Klassifikator, wobei hier Machine Learning- und insbesondere deep learning-basierte Ansätze untersucht werden sollen. Im Projekt sind ein Laborversuch mit gesunden Probanden und eine klinische Studie mit VHF-Patienten geplant. Die gewonnenen Daten werden zum Entwurf sowie zur Evaluierung der Algorithmen genutzt. Um die für einen Deep Learning-Ansatz erforderliche Menge an Trainingsdaten zu erhalten, soll auch der Einsatz von Data Augmentation-Methoden basierend auf selbst aufgenommenen Messdaten und Messdaten aus öffentlichen Datenbanken untersucht werden. Das HypAFib-Projekt soll dazu beitragen, künftig Patienten während eines Krankenhausaufenthaltes oder im Pflegeheim ein unmerkliches und beiläufiges "VHF-Screening" anbieten zu können, um durch die frühe Erkennung VHF-bedingte Folgeerkrankungen zu vermeiden und dadurch die Lebenserwartung und Lebensqualität zu steigern.

• DFG-Verfahren: Sachbeihilfen