Lernen von Synchronisationsmustern in neuronalen Signalen

Das menschliche Gehirn ist das komplexeste System, das von der Wissenschaft erforscht wird und Inspiration für neue Technologien liefert. In den letzten zehn Jahren hat die Erforschung der Hirnfunktion einen entscheidenden Schwerpunktwechsel von der Erforschung der Lokalisation spezialisierter Hirnareale hin zur Erforschung räumlich verteilter Hirnnetzwerke erfahren. Möglich wurde dieser Paradigmenwechsel durch umfangreiche Weiterentwicklungen im Bereich der Synchronisation nichtlinearer Systeme. Basierend auf dem Konzept der Synchronisation nichtlinearer dynamischer Systeme werden wir Data Mining Methoden und Algorithmen zur Erkennung, Charakterisierung und Modellierung von Interaktionen in multivariaten Zeitreihen entwickeln. Insbesondere werden die Veränderungen des Elektroenzephalogramms (EEG) bei depressiven Patienten als Indikatoren für die therapeutische Wirksamkeit von Antidepressiva untersucht. Die entwickelten Methoden werden auf die spezifischen Eigenschaften des EEG zugeschnitten, um Synchronisationsphänomene im menschlichen Gehirn besser zu verstehen. Die Gesamtstruktur der EEG-Synchronisationsmuster ist ein Ansatzpunkt zur Beschreibung von Hirnzuständen. Die entwickelten Methoden werden nicht nur für die Analyse elektrophysiologischer Signale in der Neurologie und Psychiatrie, sondern generell für die Analyse komplexer multivariater und Signale anwendbar sein. Die EEG-Synchronisationsmuster und ihre Veränderungen werden durch Methoden klassifiziert, die vom Gehirn selbst inspiriert sind - neuronale Netze, maschinelles Lernen und Data Mining. Das Projekt hat eine große gesellschaftliche Relevanz, da Depressionen weltweit eine der Hauptursachen für Schwerkrankheitsfällen sind. In den EU-Ländern liegt das Auftreten depressiver Störungen zwischen 2,6 - 4,5 % bei Männern und 7,1 - 10,4 % bei Frauen. Moderne Antidepressiva haben eine Wirkungsrate von nicht mehr als 65%, wohingegen die Wirkung überdies frühestens nach 4-6 Wochen eintritt. Die Fähigkeit, das Ansprechen auf die Behandlung zu vorherzusagen, entweder zu einem frühen Zeitpunkt im Verlauf der Therapie oder sogar noch vor Beginn der Behandlung, kann ineffektive Therapieversuche verhindern und Patienten vor längeren Leidensintervallen und Nebenwirkungen bewahren. Ökonomische Aspekte der Möglichkeit der frühzeitigen Wahl einer wirksamen Therapie können natürlich auch nicht bestritten werden.