Manche nennen es ein »Gewitter im Kopf«: Bei einem epileptischen Anfall feuern plötzlich Unmengen an Nervenzellen gleichzeitig und ungewöhnlich heftig. Statt geordneter Signalverarbeitung breitet sich unkontrollierte elektrische Aktivität im Gehirn aus. Die Folgen reichen von kurzen Aussetzern bis hin zu Krampfanfällen und Bewusstlosigkeit. Wann sich ein solcher Anfall ereignet, lässt sich in der Regel kaum vorhersagen. Wie bei einer komplexen Wetterlage wirken bei Epilepsie viele Faktoren zusammen, und die Muster unterscheiden sich von Patient zu Patientin erheblich.

Genau hier könnte künstliche Intelligenz (KI) helfen. In der Epilepsiediagnostik und -behandlung fallen große Mengen an Daten an – von EEG-Aufzeichnungen und MRT-Bildern bis hin zu elektronischen Gesundheitsdaten. Moderne KI-Systeme erkennen darin Zusammenhänge, die für Menschen nur schwer sichtbar sind. Das könnte es ermöglichen, Anfälle früher vorherzusagen, Diagnosen zu präzisieren und Therapien besser auf die einzelnen Betroffenen zuzuschneiden (siehe »Datenfutter für die KI«).

Rund ein Prozent der Weltbevölkerung leidet unter Epilepsie, in Deutschland betrifft es laut der Deutschen Hirnstiftung mehr als 640 000 Menschen. Damit zählt Epilepsie zu den häufigsten schweren Erkrankungen des Gehirns. Die wichtigsten Behandlungsoptionen sind verschiedene Medikamente, sogenannte Antiepileptika oder Antikonvulsiva, die die Übererregbarkeit von Nervenzellen dämpfen und damit das Risiko für Anfälle senken.

Mithilfe von KI zum richtigen Medikament

In den meisten Fällen funktioniert das gut, so die Erfahrung von Andreas Schulze-Bonhage, Leiter des Epilepsiezentrums am Universitätsklinikum Freiburg: »Bei ungefähr zwei Dritteln der Patienten gelingt es, mit Medikamenten die Anfälle komplett zu kontrollieren.« Daten aus etlichen Studien bestätigen diese Zahl. »Uns steht ein ganzes Spektrum an Mitteln für ganz unterschiedliche Formen an Epilepsien zur Verfügung«, berichtet der Neurologe.

Mithilfe großer Datensätze könnten KI-Modelle künftig vorhersagen, welches Präparat bei wem am besten wirkt oder wie hoch das individuelle Risiko für Nebenwirkungen ist. 2022 trainierten australische und chinesische Forscher Deep-Learning-Algorithmen mit Gesundheitsdaten von rund 1800 Erwachsenen mit neu diagnostizierter Epilepsie. Noch gibt sich das Autorenteam zurückhaltend: Es gäbe Optimierungsbedarf, bevor das Modell Eingang in die Praxis finden könne. Zum Beispiel müsse man weitere Daten in das System einspeisen, etwa genetische Informationen. Dementsprechend attestieren andere Fachleute in einer umfangreichen Analyse aus 2025 den Machine-Learning-Modellen grundsätzlich »großes Potenzial« bei der Vorhersage zur Wirksamkeit der Antiepileptika, die Evidenz sei aber noch nicht ausreichend für den Routineeinsatz.

Bei rund einem Drittel der Betroffenen wirken die Pillen allerdings nicht; diese Patienten leiden unter einer therapieresistenten Epilepsie. Mittels KI wollen Fachleute sie frühzeitig identifizieren, um sie schneller an spezialisierte Zentren überweisen zu können. Dass das grundsätzlich machbar ist, zeigten US-Wissenschaftler 2018. Sie charakterisierten knapp 300 000 Patienten anhand von 1270 Merkmalen aus medizinischen Dokumenten, darunter demografische Faktoren, Begleiterkrankungen, Medikamente, chirurgische Eingriffe und der Epilepsiestatus. Dem Team gelang es damit, Arzneimittelresistenzen bereits zu einem frühen Zeitpunkt der Behandlung korrekt vorauszusagen, noch bevor sich das Versagen der Antiepileptika abzeichnete.

In solchen Fällen greift man auf alternative Behandlungsoptionen zurück. Lässt sich ein klar umschriebenes Hirnareal als Ursprung der Anfälle identifizieren, kommt eine Operation infrage. »Man versucht, das ›schuldige‹ Areal zu entfernen«, sagt Schulze-Bonhage. Häufig handelt es sich dabei um Fehlbildungen der Hirnrinde, sogenannte fokale kortikale Dysplasien (FCD). Aber auch Tumoren oder Narben nach Durchblutungsstörungen können Epilepsie auslösen. Je nach Studie sind nach einem erfolgreichen Eingriff rund zwei Drittel der operierten Patienten anfallsfrei.

Das Problem: Selbst moderne MRT-Geräte finden solche Auffälligkeiten oftmals nicht. Besonders schwer aufzuspüren sind FCDs. Hier hat künstliche Intelligenz bereits beeindruckende Ergebnisse geliefert: In einer internationalen Multicenter-Studie erkannte eine KI solche Läsionen zu mehr als 90 Prozent. Besonders bemerkenswert war die fast genauso hohe Identifikationsleistung in Fällen, in denen Radiologen zuvor keine Auffälligkeiten entdecken konnten.

Ist der epileptische Herd erst einmal lokalisiert, kann die KI-Technik dann auch bei der Planung des chirurgischen Eingriffs helfen. So lassen sich sensible Bereiche wie Sprach- und Gedächtniszentren besser schützen. Schätzungen zufolge könnten solche Systeme innerhalb der nächsten fünf bis zehn Jahre ihren Weg in die klinische Praxis finden. Zudem ließen sich damit die Erfolgsaussichten einer Operation besser abschätzen.

Anfälle vorhersehen, Lebensqualität verbessern

Doch längst nicht jede therapieresistente Epilepsie kann operiert werden. Oft kann man den »Brandherd« nicht eindeutig bestimmen, manchmal wäre ein derartiger Eingriff schlichtweg zu riskant. Für diese Menschen wäre eine verlässliche Vorhersage ihrer Anfälle hilfreich, so Schulze-Bonhage. Denn treten die Entladungen im falschen Moment auf, kann es gefährlich werden – etwa im Straßenverkehr, bei der Arbeit mit Maschinen, beim Schwimmen, Bergwandern oder Fahrradfahren. Eine rechtzeitige Warnung könnte den Betroffenen wertvolle Minuten verschaffen. Sie hätten Zeit, sich in Sicherheit zu bringen, eine stabile Körperhaltung einzunehmen oder sich Medikamente zu verabreichen. Vielleicht ließen sich manche Anfälle auf diese Weise sogar verhindern.

Bislang sind persönliche Anfallstagebücher die wichtigste Grundlage dafür. Sie helfen dabei, mögliche Auslöser zu identifizieren (einige lassen sich vermeiden, andere nicht) – etwa Schlafmangel, Stress, Menstruation oder Alkoholkonsum. Neben solchen Informationen haben Langzeitmessungen mit implantierten Elektroden eine weitere wichtige Erkenntnis geliefert: Epileptische Anfälle treten oft nicht zufällig auf. Stattdessen folgen sie individuellen Rhythmen. Bei manchen liegen zwischen ihnen nur Stunden oder wenige Tage, bei anderen Wochen oder sogar Monate. »Vieles deutet darauf hin, dass diese individuellen Rhythmen eine wesentliche Information für die Anfallsvorhersage sind«, sagt Schulze-Bonhage.

Doch bereits die scheinbar einfache Frage »Wie viele Anfälle hatte ein Patient?« lässt sich nicht leicht beantworten. »Häufig korrelieren die eigenen Berichte nur unzureichend mit klinisch objektivierbaren Anfällen«, sagt Marcel Bausch, Hirnforscher und Experte für Epilepsie. Zusammen mit Arthur Jordan leitet er an der Klinik und Poliklinik für Epileptologie des Universitätsklinikums Bonn die Arbeitsgruppe »Angewandte Neurowissenschaften und Neurotechnologien«. Die beiden entwickeln gemeinsam mit Klinikleiter Rainer Surges tragbare Geräte (Wearables), die Anfälle erfassen und möglichst früh vor ihnen warnen sollen. Aber unvollständige Anfallstagebücher stellen dabei ein Problem dar: »Man trainiert Vorhersagemodelle mit Daten, die gar nicht der Wahrheit entsprechen.«

Trotz dieser Einschränkungen lassen sich aus Selbstauskünften offenbar brauchbare Prognosen gewinnen. Zwar übersehen viele Patientinnen und Patienten einen Teil ihrer Anfälle. Die zugrunde liegenden Anfallsrhythmen ließen sich dennoch häufig korrekt ableiten, so das Ergebnis einer australischen Studie. »Das ist bislang das einzige Vorhersagesystem, das in der Versorgung eingesetzt wird«, sagt Schulze-Bonhage. Gemeinsam mit anderen Forschern hat er eine App entwickelt, mit der sich die Genauigkeit der eigenen Angaben verbessern lässt.

Noch aussagekräftiger wären die Prognosemodelle allerdings, wenn sie auf objektiv messbaren Körperdaten beruhten. Einen ersten Eindruck davon liefert eine Studie von 2020. Darin berichten Fachleute aus Berlin und Boston von Versuchen mit einem kommerziell erhältlichen Wearable. Das Armband erfasst kontinuierlich verschiedene Körpersignale, darunter Hautleitfähigkeit, Körpertemperatur, Puls und Bewegungen. Viele der Messwerte spiegeln die Aktivität des autonomen Nervensystems wider, das unter anderem Herzschlag, Schweißproduktion und Temperaturregulation steuert.

Die Wissenschaftler trainierten Deep-Learning-Algorithmen mit diesen Daten. Bei 30 von 69 Teilnehmenden gelang es anschließend, Anfälle mit einer über dem Zufall liegenden Wahrscheinlichkeit vorherzusagen. Am besten funktionierte das, wenn sämtliche verfügbaren Sensordaten gemeinsam ausgewertet wurden. Bei der Mehrheit der Probanden lieferte das System allerdings keine brauchbaren Prognosen. Zudem wurde es ausschließlich unter kontrollierten klinischen Bedingungen getestet und ist laut den Autoren von einem Einsatz im Alltag noch weit entfernt.

Auch Experten der Universität Paderborn setzen auf KI und Wearables, die unter anderem Herzfrequenz, Schweißaktivität und Atemfrequenz erfassen (siehe »Messstation am Handgelenk«). Sie verwendeten Sensoren, wie sie heute bereits in vielen Smartwatches verbaut sind, und werteten die aufgezeichneten Daten von 450 Patientinnen und Patienten des Boston Children’s Hospital aus. »Uns ist dabei aufgefallen, dass bestimmte Werte schon mindestens eine halbe Stunde vorher stark und sichtbar ansteigen«, erläutert einer der beiden Projektleiter, Tanuj Hasija vom Institut für Elektrotechnik und Informationstechnik der Uni Paderborn, in einer Pressemitteilung.

Veränderte Hirnaktivität als Kennzeichen der Epilepsie

Auf dieser Grundlage entwickelte die Gruppe ein KI-Modell, das in den Messdaten charakteristische Muster erkennt und daraus Anfallswahrscheinlichkeiten berechnet. Das System stellt fest, wann mit hoher Wahrscheinlichkeit innerhalb der nächsten Minuten ein Anfall droht. Das Team will nun herausfinden, wie die KI zu ihren Ergebnissen gelangt. Damit lässt sich womöglich besser verstehen, welche physiologischen Prozesse vorausgehen. In naher Zukunft wollen die Paderborner ihre Messsysteme im Alltag ihrer Patienten erproben.

Für möglichst zuverlässige Vorhersagen sollte man auch die neuronale Aktivität berücksichtigen, meint Bausch. Schließlich sei veränderte Hirnaktivität das eigentliche Kennzeichen der Erkrankung. Hinzu kommt, dass die bisherigen, nicht auf EEG-Daten basierenden Wearables noch anfällig für Fehlalarme sind. Bauschs Kollege Arthur Jordan trägt zu Testzwecken eine kommerziell erhältliche Uhr zur Anfallsdetektion. »Beim Fahrradfahren habe ich angeblich schon öfter einen epileptischen Anfall gehabt, obwohl ich gar keine Epilepsie habe«, erzählt der Neurologe. Die starken Vibrationen deutet das System gelegentlich als epileptische Zuckungen. »Normalerweise würde dann jedes Mal eine Bezugsperson benachrichtigt werden«, sagt Jordan, der an der Klinik und Poliklinik für Epileptologie eine spezielle Sprechstunde zu Wearables bei Epilepsie anbietet. Für den Einsatz im Alltag müssten solche Fehlalarme deutlich seltener werden, sagt er.

Jordan und Bausch sehen EEG-Daten deshalb als wichtigen Baustein zuverlässiger Prognosesysteme. Hier liegt die Idee nahe, nach jenen Veränderungen in der Hirnaktivität zu suchen, die einem Anfall vorausgehen. Genau das versuchen Wissenschaftler seit Jahrzehnten. »Bis Anfang der 2000er-Jahre nahm man an, dass es übereinstimmende Muster in der Hirnaktivität vor epileptischen Anfällen gibt«, so Schulze-Bonhage. Für die individuelle Vorhersage erwiesen sich diese Signale jedoch als unzuverlässig. Inzwischen verfolgen Fachleute daher einen erweiterten Ansatz. Statt nach universellen Warnsignalen zu suchen, beziehen sie persönliche Anfallsrhythmen und Aktivitätsmuster mit ein. »Man muss die verschiedenen Daten für jeden einzelnen Patienten analysieren, jeder zeigt andere Muster«, sagt Schulze-Bonhage.

»Man muss die verschiedenen Daten für jeden einzelnen Patienten analysieren, jeder zeigt andere Muster«Andreas Schulze-Bonhage, Neurologe

Das Problem: Hirnaktivität lässt sich im Alltag nur schwer erfassen. »Die besten Daten liefern Elektroden, die direkt im Kopf messen«, erklärt Bausch. Allerdings müssten solche Systeme operativ implantiert werden – ein Eingriff, der stets mit Risiken verbunden ist. Das Team um Bausch und Jordan verfolgt deshalb einen alltagstauglicheren Ansatz. Es entwickelt EEG-Geräte, die sich etwa im Ohr tragen lassen. Die Elektroden sitzen dabei im Gehörgang und erfassen kontinuierlich elektrische Signale des Gehirns. Wie unauffällig die Technik ist, hat Bausch bei einem Besuch in der Philharmonie selbst getestet: »Ich hatte überhaupt nicht das Gefühl, dass mich die Leute komisch anschauen.« Eine Mütze oder Ähnliches sei nicht nötig. Die Aufzeichnungen zeigten später, welch erstaunliche Vielfalt an Hirnaktivitäten ein Konzertabend auslöst, berichtet er schmunzelnd.

Neben den Ohr-EEGs entwickelt die Bonner Gruppe ebenfalls Wearables wie Ringe und Gurte, die Körperdaten erfassen. »Es hat sich zum Beispiel gezeigt, dass Herzraten zyklisch über Tage, Wochen und Monate schwanken«, sagt Bausch. »Und bei manchen häufen sich in bestimmten Phasen die Anfälle.« Langfristig wollen die Mediziner ein Körpersensornetzwerk konzipieren, das sich problemlos im Alltag tragen lässt und möglichst viele für Epilepsie relevante Daten erfasst. »Der Nutzen solcher Geräte wird sich erst voll entfalten, wenn wir die KI einbinden«, so Jordan.

»Der Nutzen solcher Geräte wird sich erst voll entfalten, wenn wir die KI einbinden«Arthur Jordan, Neurologe

Dafür bauen die Forscher künstliche neuronale Netze, die die Biosignale auswerten und zugleich individuelle Krankheitsmerkmale wie Anfallsrhythmen berücksichtigen. Eine mögliche Strategie besteht darin, die Modelle zunächst mit vielen Daten zu trainieren und sie anschließend an einzelne Patienten anzupassen – sozusagen ein »Feintuning« der universellen Algorithmen, wie Bausch sagt. Trotz aller Fortschritte bremst der Hirnforscher die Erwartungen: »Das ist ein superspannendes Feld mit großen Chancen, aber man darf nicht vergessen, dass wir hier noch ziemlich am Anfang stehen.« Die bisherigen Ergebnisse stimmen die beiden Bonner Experten allerdings optimistisch, dass Wearables im Zusammenspiel mit KI grundsätzlich zur Anfallsvorhersage taugen.

Ein Implantat nach dem Vorbild des Gehirns

Schulze-Bonhage verfolgt dagegen gemeinsam mit Kolleginnen und Kollegen aus Dresden und Zürich einen radikaleren Ansatz: ein intelligentes Implantat, das Menschen mit Epilepsie dauerhaft überwachen soll. Die Grundlage sind EEG-Langzeitdatensätze, die über Monate hinweg aufgezeichnet wurden. »Diese Daten speisen wir in ein so genanntes neuromorphes Computersystem ein«, erklärt der Neurologe. Ein solcher Chip orientiert sich am Aufbau des menschlichen Gehirns und verarbeitet Informationen mithilfe künstlicher Neurone und Synapsen.

Je nach eingehenden Signalen, liefert das System bestimmte Ausgangssignale, die man klassifizieren kann – also beispielsweise »hohes Risiko« oder »niedriges Risiko« für einen Anfall. Zwar kommen für das Training ebenfalls KI-Algorithmen zum Einsatz, aber wichtiger dabei ist: »Wir imitieren mit dem Computerchip die biologischen Verarbeitungsprozesse im Gehirn«, erklärt Schulze-Bonhage. Langfristig soll der Chip implantiert und mit Nervenzellen verschaltet werden. So könnte er die eingehenden Signale selbstständig analysieren und bewerten – ohne sie, wie bei herkömmlichen KI-Systemen, fortlaufend an externe Rechner senden zu müssen.

»Das ist ein superspannendes Feld mit großen Chancen, aber man darf nicht vergessen, dass wir hier noch ziemlich am Anfang stehen«Marcel Bausch, Neurologe

Der Chip soll nicht nur erkennen, wann ein Anfall beginnt, sondern auch Phasen mit erhöhtem Anfallsrisiko vorhersagen. Ein weiterer Vorteil ist der geringe Energieverbrauch. Da neuromorphe Chips ähnlich arbeiten wie biologische Nervennetze, benötigen sie deutlich weniger Strom als traditionelle Computersysteme. Nach Einschätzung von Schulze-Bonhage ließe sich ein solches Implantat deshalb über mehrere Jahre hinweg tragen, ohne dass die Batterie ausgetauscht werden müsse. Noch befindet sich die Technologie in der Entwicklung. Der Neurologe hält es jedoch für möglich, dass sie innerhalb des kommenden Jahrzehnts einsatzbereit wird.

Mehr als nur ein Warnsystem

Eine zuverlässige Anfallsprognose würde nicht nur vor gefährlichen Situationen warnen, sondern auch neue therapeutische Möglichkeiten eröffnen. Wüsste man im Vorfeld von einem bevorstehenden Anfall, so ließen sich gezielt Medikamente verabreichen – etwa Benzodiazepine, die bereits zur Akutbehandlung von Epilepsie eingesetzt werden.

Selbst für Menschen, deren Epilepsie mit Medikamenten bereits ausreichend kontrolliert wird, brächte eine verlässliche Vorhersage Vorteile mit sich: »Die derzeitige Behandlung sieht vor, dass man die Mittel kontinuierlich einnimmt, obwohl die Anfälle in der Regel relativ selten auftreten«, sagt Schulze-Bonhage. Könnte man Phasen mit erhöhtem Risiko zuverlässig identifizieren, ließen sich bestimmte Medikamente gezielter einsetzen. »Das würde vor allem die Nebenwirkungen einer dauerhaften medikamentösen Therapie reduzieren.« Ein zusätzlicher Effekt wären geringere Behandlungskosten.

Neben der Medikamentengabe können auch moderne Neurostimulationsverfahren gezielt eingesetzt werden, um Anfälle zu kontrollieren und zu verhindern. Elektroden in der Nähe des epileptogenen Fokus geben dabei fortlaufend schwache Impulse ab, die die Entstehung von Anfällen unterdrücken sollen. »Der Patient selbst merkt davon nichts«, beruhigt Schulze-Bonhage, der an der Entwicklung der sogenannten epikraniellen fokalen Kortexstimulation (FCS) beteiligt war. Dieses minimalinvasive, reversible Neurostimulationsverfahren dient vorrangig der Behandlung von medikamentenresistenten fokalen Epilepsien. Zwar können derartige Ansätze die Erkrankung meist nicht heilen, in ersten klinischen Studien halbierte sich jedoch langfristig bei mindestens jedem zweiten Patienten die Anzahl der Anfälle.

Eine denkbare Weiterentwicklung wäre, diese Art der Anregung an die Vorhersage anzupassen. Die Implantate messen die Hirnaktivität und stimulieren das betroffene Hirngewebe zugleich elektrisch. »Wenn es gelingen würde, intelligente Vorhersagesysteme mit solchen Implantaten zu kombinieren, dann ließe sich eine Behandlung durch elektrische Reize zeitgesteuert durchführen«, sagt Schulze-Bonhage.

Bis dahin ist es allerdings noch ein weiter Weg. Bislang fehlen große prospektive Studien im klinischen Alltag. Doch die Vision ist klar: Intelligente Implantate könnten künftig nicht nur erkennen, dass ein Anfall droht, sondern auch selbstständig darauf reagieren. Die Grenze zwischen Diagnose, Vorhersage und Therapie würde damit zunehmend verschwimmen. KI wird die Neurologen nicht ersetzen, aber die Rolle eines Assistenzsystems übernehmen, das riesige Datenmengen schneller und konsistenter analysieren kann als der Mensch. Ob und wann solche Systeme den klinischen Alltag erreichen, ist offen. Sicher ist jedoch: Noch nie standen so viele Daten und leistungsfähige Werkzeuge zur Verfügung, um dem Gewitter im Kopf ein Ende zu bereiten.