ALT + + Schriftgröße anpassen
ALT + / Kontrast anpassen
ALT + M Hauptnavigation
ALT + Y Socials
ALT + W Studiengang wählen
ALT + K Homenavigation
ALT + G Bildwechsel
ALT + S Übersicht
ALT + P Funktionsleiste
ALT + O Suche
ALT + N Linke Navigation
ALT + C Inhalt
ALT + Q Quicklinks
ESC Alles zurücksetzen
X
A - keyboard accessible X
A
T

Modellbasierte HNO-Diagnose mittels Bayes-Inferenz und künstlichem neuronalem Netz

Die Hördiagnostik ist heutzutage aufgrund der großen interindividuellen Varianzen und der schlechten optischen Zugänglichkeit des Ohrs in der Spezifität auf ein bestimmtes Krankheitsbild und der quantitativen Beurteilung stark eingeschränkt. Häufig ist nur eine Ja-oder-Nein-Entscheidung möglich, die teilweise stark von der subjektiven Einschätzung des HNO-Arztes abhängt. Ein neuartiger Ansatz, bei dem objektiv gewinnbare, nicht-invasive audiometrische Messungen mit Hilfe eines numerischen Mittelohrmodells ausgewertet werden, ermöglicht es, die versteckten Mittelohreigenschaften sichtbar und quantifizierbar zu machen. Zentraler Forschungsinhalt ist ein neuartiger Parameteridentifikationsalgorithmus, der die Bayes-Inferenz mit einem künstlichen neuronalen Netz kombiniert, um im Abgleich von Modell und Messung zu einem stimmigen diagnostischen Gesamtbild zu kommen. Es wird erwartet, dass sich die Rate falsch-positiver Befunde beim Neugeborenen-Hörscreening drastisch reduzieren lässt und erstmals eine nicht-invasive Methode zur Messung des Hirndrucks ermöglicht wird. 

Wagnis und Neuartigkeit der Idee

Die Projektidee beinhaltet einen völlig neuartigen methodischen Ansatz in der otologischen Diagnostik, der mit dieser Arbeit zum ersten Mal untersucht wird, und die Chance auftut, aus der seit Jahrzehnten nahezu unveränderten qualitativen Ausschlussdiagnostik den Sprung in die individualisierte Medizin zu schaffen. Die spannende Frage ist, ob sich die verborgenen Eigenschaften des Mittelohrs auf Basis von objektiven, nicht-invasiven Messdaten mit Hilfe des neuartigen Parameteridentifikationsalgorithmus im Hinblick auf eine klinische Anwendung ausreichend sicher und genau bestimmen lassen. Das Risiko ist nicht unerheblich, da die vorgeschlagene Kombination aus Bayes-Inferenz und künstlichem neuronalen Netz noch nie auf ein so komplexes System wie das Mittelohr angewendet wurde.

Weiterentwicklungspotential der Forschungsarbeiten

Die Forschungsidee ist interdisziplinär und hoch innovativ, da der methodische Ansatz die ingenieurwissenschaftlich etablierte Finite Elemente Methode mit neuartigen Disziplinen aus der Mathematik und Informatik, wie die inverse Fuzzy-Arithmetik und künstliche neuronale Netze, vereint und in der Medizin angewandt wird. Es werden konkrete klinische Implikationen mit ethischen und wirtschaftlichen Vorteilen im Bereich der nichtinvasiven Messung des Hirndrucks und des Neugeborenen-Hörscreenings erwartet.