Kurzbeschreibung des Projekts

Projektnummer		Einzelprojekte  P19857
Titel		Schlafprozessmodellierung mit Kontext- und Multi-Sensordaten
ProjektleiterIn		DORFFNER Georg
Bewilligungsdatum		06.03.2007
Universität / Forschungsstätte		Institut für Medizinische Kybernetik und Artifical Intelligence, Medizinische Universität Wien
Gebiet(e)
Keywords		sleep modeling, Rechtschaffen and Kales scoring, multi-sensor data fusion, Dynamic Bayesian Networks, sleep regulation factors, probabilistic sleep models
Homepage		http://www.meduniwien.ac.at/user/georg.dorffner

Der Mensch verbringt in etwa ein Drittel seines Lebens im Schlaf. Um die Rolle des Schlafs zu verstehen betrachtet man am besten was geschieht, wenn wir nicht schlafen. Schlafmangel beeinflusst die Funktionalität des Gehirns. Bei andauerndem Schlafentzug werden die Bereiche des Gehirns, die der Sprache, dem Gedächtnis und der Zeitwahrnehmung zuzuordnen sind, stark beeinträchtigt. Nach 17 Stunden ununterbrochenem Wachsein sinkt die Leistungsfähigkeit auf ein Niveau ähnlich einem Alkoholisierungsgrad von 0,5‰ (das entspricht 2 Gläsern Wein). Aus der Forschung ist bekannt, dass Personen mit Schlafentzug oftmals Schwierigkeiten haben, auf sich schnell ändernde Situationen zu reagieren oder vernünftige Einschätzungen zu treffen. Die Konsequenzen für den Alltag sind schwerwiegend und dem Schlafentzug wird zugeschrieben, zumindest mit ein Auslösefaktor für eine Vielzahl von internationalen Unglücksfällen gewesen zu sein. Als Beispiele seien hier die Exxon Valdez, Tschernobyl, Three Mile Island und der Absturz der Raumfähre Challenger genannt. Schlafentzug wirkt sich aber nicht nur auf kognitive Funktionen aus. Auch emotionale und gesundheitliche Beschwerden können auf Schlafmangel zurückgeführt werden. Störungen wie die Schlafapnoe bewirken extreme Tagesmüdigkeit und werden mit Stress und Hypertonie in Zusammenhang gebracht. In der Forschung wird Schlafmangel auch mit einer erhöhten Neigung zu Übergewicht verbunden, da chemische Botenstoffe und Hormone, die den Appetit und die Gewichtszunahme steuern, im Schlaf ausgeschüttet werden.
Um die Struktur, Regulationsmechanismen und Effekte des Schlafs auf das menschliche Verhalten besser zu verstehen, wird die Modellierung des Schlafprozesses aus wissenschaftlicher Sicht immer wichtiger. Das zurzeit auf breiter Basis akzeptierte Modell des Schlafs basiert auf der Annahme, dass verschiedene Schlafstadien im Zyklus zwischen Schlaf und Wach involviert sind. Vor beinahe 40 Jahren wurden die Regeln von Rechtschaffen und Kales (R&K) als Referenzmethode zur Normierung der Definition der Schlafstadien, auf der Basis von EEG und anderen Biosignalen, eingeführt. Trotz seiner Unzulänglichkeiten wurde das Handbuch von R&K zum weltweit akzeptierten Standard der Schlafstadien-Klassifikation und hat enorm zum besseren Verständnis des Schlafprozesses und dessen Störungen beigetragen. Trotzdem hat die tiefgehende Validierung der Regeln von R&K, die in den letzten Jahren durchgeführt worden ist, einige wichtige Einschränkungen aufgezeigt. Als Folge dieser wissenschaftlichen Erkenntnisse wurden neue Modelle des Schlafprozesses vorgeschlagen. Insbesondere Modelle, die auf profunden wahrscheinlichkeitstheoretischen Ansätzen beruhen, haben zu viel versprechenden Ergebnissen geführt.
Nichtsdestotrotz existieren bis heute kein systematischer Vergleich und keine Validierung dieser alternativen Schlafmodelle. Außerdem gibt es bei diesen Modellen einige fundamentale theoretische und konzeptionelle Einschränkungen, weshalb diese Ansätze von einer Mehrheit der Schlafforscher bis jetzt abgelehnt wurden. Ziel dieses Projekts ist die systematische Erweiterung der aktuellen probabilistischen Schlafmodelle, mit Biosignalen wie EEG als Input, durch gezielte Beseitigung der bekannten Einschränkungen. Das soll unter Verwendung neuer, fortschrittlicher Modell-Architekturen, Lernalgorithmen und Datenrepräsentationen, beeinflusst von der vorhandenen theoretischen und experimentellen Expertise aus früheren Projekten, erreicht werden. Die Verfügbarkeit einer großen Anzahl an Schlafdaten, die während früherer Projekte gesammelt wurden, bietet die einzigartige Möglichkeit, die korrekte Validierung der geplanten Erweiterung der aktuellen Schlafmodelle methodisch zu untermauern. Das Projekt fußt auf dem neuen Ansatz der dynamischen Bayes'schen Netzwerke, die zur systematischen wahrscheinlichkeitstheoretischen Fusion der Daten von Vielfach-Sensoren und Kontext-Information verwendet werden sollen. Bis heute wurde diese Vorgehensweise in der Schlafforschung noch nicht angedacht. In diesem Projekt sollen auch die Effekte der circadianen, homöostatischen und Schlafumgebungs-Faktoren in einem prinzipiell probabilistischen Ansatz als Vorgabe, die das letztendlich ermittelte Schlafprofil beeinflusst, untersucht und modelliert werden.
Die wissenschaftlich herausfordernde Novität dieses Projekts wird nicht nur das bessere Verständnis des Schlafprozesses fördern, sondern auch neue Einblicke in die Schlafregulation und auf den Schlaf beeinflussende Faktoren ermöglichen. Zusammenfassend wird von den in diesem Projekt erzielten Ergebnissen erwartet, dass sie einen entscheidenden Schritt hin zu einem neuartigen und auf breiter Ebene akzeptierten Ansatz zur Schlafmodellierung darstellen - ein seit langer Zeit erhofftes Ziel der Schlafforschungs-Gemeinde.