Unsicherheitsquantifizierung für die EEG/MEG-Quellanalyse

Epilepsie betrifft ca. 0,5 1,0% der Bevölkerung und ist damit eine der häufigsten neurologischen Erkrankungen. Dabei ist bei etwa einem Drittel der Epilepsiepatienten eine Behandlung mit Antiepileptika, also anti-epileptischen Medikamenten, nicht erfolgreich und eine Hirnoperation verbleibt als erfolgversprechendste Behandlungsmöglichkeit. In einer solchen Operation wird der Bereich des Gehirns entfernt, welcher die epileptischen Anfälle auslöst - die sogenannte epileptogene Zone. Allerdings kommen nur 15-20% der Patienten, welche eine solche Operation benötigen, auch für diese in Frage, häufig weil die epileptogene Zone nicht genau genug bestimmt werden kann oder sich mit wichtigen Hirnregionen überlappt. In diesem Fall gibt es für den Patienten keine weitere geeignete Behandlungsoption und der Patient ist dem Risiko von unkontrollierten Anfällen ausgesetzt. Elektroenzephalographie (EEG) und Magnetoenzephalographie (MEG) sind Verfahren, um die elektrischen bzw. magnetischen Felder, welche durch Hirnaktivität entstehen, zu messen. Um die Hirnareale zu bestimmen, welche die gemessenen Felder erzeugt haben, ist der Einsatz von mathematischen Algorithmen notwendig. Die Rekonstruktion der aktiven Hirnareale aus EEG/MEG-Messungen wird Quellanalyse genannt. Verschiedene Faktoren beeinflussen die Genauigkeit von EEG/MEG-Quellanalyse. Eine große Quelle von Unsicherheit ist unzureichendes Wissen über die exakten elektrischen Leitfähigkeiten der Kopfgewebe, welche sich von Mensch zu Mensch unterscheiden. Die Werte dieser Leitfähigkeiten genau zu kennen ist wichtig, um den Fluss der elektrischen Ströme im menschlichen Kopf, die durch die Hirnaktivität hervorgerufen werden, so genau wie möglich zu simulieren, da derartige Simulationen die Basis für EEG/MEG-Quellanalyse sind. Ein Problem ist allerdings, dass es nahezu unmöglich ist, die elektrischen Leitfähigkeiten dieser Gewebe bei (lebendigen) Probanden zu messen. Das Ziel dieses Forschungsprojektes ist es, neue Methoden zur individuellen Schätzung der Kopfgewebeleitfähigkeiten basierend auf der gleichzeitigen Messung von EEG und MEG zu entwickeln. Des Weiteren werden wir Methoden entwickeln, um die verbleibende Unsicherheit in der EEG/MEG-Quellanalyse abzuschätzen, so dass das Ergebnis der Quellanalyse nicht nur die Hirnregion bestimmt, aus welcher das gemessene Signal mit der höchsten Wahrscheinlichkeit stammte, sondern ebenso die Verteilung von weiteren (weniger wahrscheinlichen) möglichen Quellpositionen darstellt. Wir erwarten, dass diese explizite Darstellung der Unsicherheit es Klinikern ermöglicht, die epileptogene Zone in der präoperativen Epilepsiediagnostik genauer zu bestimmen und die Verlässlichkeit der Ergebnisse der EEG/MEG-Quellanalyse besser einzuschätzen.