Das koordinierte Zusammenspiel von Gehirn und Körper ist essenziell für das Überleben. Die Interaktion zwischen Herz und Gehirn nimmt dabei eine zentrale Rolle bei Prozessen wie Wahrnehmung und Kognition ein. Im Fokus von Analysen dieses Wechselspiels steht das Herzschlag-evozierte Potenzial (HEP) als neurophysiologischer Marker, der die Synchronisation neurologischer Aktivität mit Herzschlägen widerspiegelt. Eine Störung der Herz-Hirn-Achse, wie es z.B. bei Vorhofflimmern der Fall ist, kann die Interozeption, also die Wahrnehmung des inneren Körperzustands, beeinträchtigen, reflektiert in einer verringerten HEP-Amplitude. Das Forschungsfeld der Neurokardiologie untersucht die Auswirkungen von Herzerkrankungen auf das Gehirn und umgekehrt, was die Bedeutung der Herz-Hirn-Interaktionen weiter hervorhebt. Das Projekt zielt darauf ab, die Vorhersagekraft von HEPs als frühe Biomarker für kardiovaskuläre, neurologische und psychiatrische Erkrankungen zu erforschen. Hierbei sollen Methoden der Künstlichen Intelligenz (KI) und der erklärbaren KI (XAI) zum Einsatz kommen, um komplexe und multidimensionale Gehirnsignale effizient zu analysieren. Verschiedene Vorverarbeitungsstrategien und Modelle wie CNNs, Autoencoder und RNNs sollen entwickelt und verglichen werden. Ein weiterer Schwerpunkt liegt auf der Bewältigung von Datenungleichgewichten und der Implementierung von XAI-Ansätzen, die relevante Merkmale als Grundlage der Biomarker vor der Manifestation einer Krankheit identifizieren. Ziel ist es, eine automatisierte Software zu entwickeln, die diese Pipeline in realen Anwendungen integriert und über eine grafische Benutzeroberfläche zugänglich macht.
Forschungszeitraum
01.04.2025-01.04.2028
Transferpromotion des ZAKI
Ziele des Projekts
Ziel des Projektes ist es, neue Einblicke in die Interaktion zwischen Herz und Gehirn zu gewinnen. Insbesondere soll das Potenzial des Herzschlag-evozierte Potenzials als Biomarker für die Früherkennung von Zivilisationskrankheiten untersucht werden. Hierfür werden Methoden
des maschinellen Lernens für den Bereich der Neurowissenschaften weiterentwickelt und in Form von Toolboxen zur Verfügung gestellt. Die gewonnenen Erkenntnisse könnten eine Grundlage für die Prävention von Krankheiten und die damit verbundene Reduzierung von Kosten im Gesundheitswesen bilden.
