Wearables und KI verbessern Diagnostik und Sicherheit bei Epilepsie

Wearables und künstliche Intelligenz verändern die Versorgung von Patienten mit Epilepsie. Neue Studien zeigen, dass geprüfte Sensoren Anfälle zuverlässig erkennen und KI-basierte Modelle die Diagnostik wesentlich präzisieren.

Encephalography Epilepsie

KI und Wearables verändern die Epilepsieversorgung

Mobile Sensorik und künstliche Intelligenz (KI) entwickeln sich zu zentralen Instrumenten in der modernen Epileptologie. Klinisch validierte Wearables erfassen kontinuierlich physiologische Signale und ermöglichen eine zuverlässige Erkennung generalisierter tonisch-klonischer Anfälle, oft schneller und objektiver als herkömmliche Symptomtagebücher. Modelle, die Bewegungsmuster über Handgelenk- oder Matratzensensoren analysieren, sind in Deutschland bereits zugelassen und können zur nächtlichen Überwachung verordnet werden.

Gleichzeitig liefert die kontinuierliche Datenerfassung wertvolle Informationen über Erkrankungsverlauf, Therapieransprechen und individuelle Anfallsmuster – ein entscheidender Fortschritt insbesondere in Fällen mit unregelmäßig auftretenden Symptomen.

Von der Symptomerfassung zur prädiktiven Diagnostik

Wearables ermöglichen objektive Langzeitdaten

Der bisherige Goldstandard – manuelle Symptomtagebücher – ist fehleranfällig und häufig ungenau. Wearables schließen diese diagnostische Lücke, indem sie Bewegungs-, Herzfrequenz- und Sauerstoffsättigungsdaten automatisiert erfassen. Studien belegen die hohe Sensitivität dieser Systeme, wenn sie klinisch geprüft und sachgerecht angewendet werden.

KI-Modelle erreichen Expertenniveau

Moderne KI-Modelle erkennen epileptiforme Aktivität in EEG-Daten mit einer Präzision, die der Beurteilung durch erfahrene Epileptologen entspricht. Die Analyse hochdimensionaler Sensordaten ermöglicht zudem die Detektion subtiler Muster, die visuell schwer erfassbar sind. Dies gilt sowohl für Anfallsmuster als auch für strukturelle Veränderungen in der Bildgebung wie fokale kortikale Dysplasien.

Ein weiteres Einsatzfeld: KI kann anhand von Schlafableitungen prädiktiv Hinweise auf verschiedene neurologische Erkrankungen liefern – ein Zukunftsfeld, das über die Epilepsie hinausreicht.

Consumer-Geräte: Potenzial und Risiken

Der Markt kommerzieller Smartwatches und Sensoren wächst rasant. Studien zeigen, dass handelsübliche Smartwatches generalisierte tonisch-klonische Anfälle mit hoher Zuverlässigkeit erkennen können, wenn sie mit geeigneten Algorithmen kombiniert werden.

Dennoch bleiben Herausforderungen:

  • fehlende klinische Validierung vieler Consumer-Geräte,
  • mögliche Signalartefakte,
  • ungelöste Datenschutzrisiken bei der Verarbeitung hochsensibler Gesundheitsdaten.

Prof. Rainer Surges betont daher, dass geprüfte medizinische Produkte klar von frei verkäuflichen Wearables abzugrenzen sind.

Weg zur personalisierten Neuro-Gesundheit

Die Kombination aus Miniaturisierung, energieeffizienten Sensoren und KI-gestützter Analyse wird künftig eine weitreichende Individualisierung der Epilepsieversorgung ermöglichen. Wearables entwickeln sich von einfachen Erfassungsinstrumenten zu klinisch relevanten Entscheidungshilfen:

  • automatisierte Erkennung riskanter Anfallsverläufe,
  • frühzeitige Risikoabschätzung für SUDEP („Sudden Unexpected Death in Epilepsy“),
  • individualisierte Therapieanpassung,
  • bessere Differenzialdiagnostik seltener Ereignisse.

Wearables und KI schaffen damit die Grundlage für eine umfassend personalisierte Epilepsiemedizin.

Kongresshinweis

Die dargestellten Erkenntnisse werden ausführlich auf dem Kongress für Klinische Neurowissenschaften der DGKN e. V. diskutiert, der vom 25. bis 27. Februar 2026 in Augsburg stattfindet.

Autor:
Stand:
24.02.2026
Quelle:
  1. Prof. Dr. Rainer Surges, „Epilepsie 24/7: Wie Wearables und Sensoren Anfälle, Alltag und Therapie verändern“, Pressekonferenz zum Kongress für Klinische Neurowissenschaften der DGKN e. V., 23. Februar 2026.
  2. Surges R. (2021): Wearables bei Epilepsien. Klin Neurophysiol.
  3. Donner, E. et al. (2024): Wearable Digital Health Technology for Epilepsy, N Engl J Med. doi: 10.1056/NEJMra2301913
  4. Tjepkema-Cloostermans, M. C. et al. (2025): Expert level of detection of interictal discharges with a deep neural network. Epilepsia. doi: 10.1111/epi.18164
  5. Kersting, L. N. et al. (2025): Detection of focal cortical dysplasia: Development and multicentric evaluation of artificial intelligence models, Epilepsia. doi: 10.1111/epi.18240
  6. Thapa, R. et al. (2026): A multimodal sleep foundation model for disease prediction, Nat Med. doi: 10.1038/s41591-025-04133-4
  7. Vakilna, Y. S. et al. (2024): Reliable detection of generalized convulsive seizures using an off-the-shelf digital watch: A multisite phase 2 study, Epilepsia. doi: 10.1111/epi.17974
  8. Spahr, A. et al. (2025): Deep learning-based detection of generalized convulsive seizures using a wrist-worn accelerometer, Epilepsia. doi: 10.1111/epi.18406

Hinweis: Dieser Beitrag wurde redaktionell verantwortet. KI-gestützte Werkzeuge wurden unterstützend eingesetzt. Die inhaltliche Prüfung erfolgte anhand der Originalquellen.

  • Teilen
  • Teilen
  • Teilen
  • Drucken
  • Senden