Künstliche Intelligenz kann Migräne anhand von Biofeedback-Daten vorhersagen

Eine neue Studie , die im Journal of Headache and Pain veröffentlicht wurde, zeigt, dass künstliche Intelligenz (KI) genutzt werden kann, um Migräneanfälle mehrere Tage im Voraus vorherzusagen. Die Studie basiert auf Daten aus der BioCer-Studie und stützt sich auf die Biofeedback-Daten aus dieser Studie. Die Forschung befindet sich noch in einem frühen Stadium, doch dies ist ein wichtiger Schritt hin zu einer individuelleren und präventiven Migränebehandlung. 

In der BioCer-Studie absolvierten die Teilnehmer drei Monate lang täglich Biofeedback-Sitzungen und trugen gleichzeitig ihre Kopfschmerzen in ein digitales Tagebuch ein. Die Sensoren erfassten unter anderem:

• Muskelverspannungen im Nacken
• HRV (Herzfrequenzvariabilität)
• Fingertemperatur

Insgesamt wurden Daten aus über 26.000 Tagen erfasst, von denen etwa 21.000 bis 25.000 Tage für die verschiedenen Analysen herangezogen wurden, was eine solide Grundlage für das Verständnis der Muster vor Migräneanfällen bildet.

 Was haben die Forscher herausgefunden?

 Bei der Analyse dieser Daten stellten die Forscher fest, dass:

• Es ist möglich, Migräne einen Tag im Voraus mit recht hoher Genauigkeit vorherzusagen
• Es ist auch möglich, eine Prognose über das Risiko für die nächsten drei Tage abzugeben
• Die wichtigsten Anzeichen sind frühere Kopfschmerzen (Intensität und Dauer) sowie Veränderungen der Körperfunktionen

Der Körper beginnt sich vor einem Migräneanfall zu verändern – und diese Veränderungen lassen sich erkennen.

Erkenntnisse aus der Studie

Die Forscher stützten sich auf zwei Hauptdatentypen. Der eine bestand aus den Angaben, die die Teilnehmer selbst in der App machten, beispielsweise ob sie Kopfschmerzen hatten, wie stark diese waren und wie lange sie anhielten. Die andere waren physiologische Messungen aus den Biofeedback-Sitzungen, wie HRV, Fingertemperatur und Muskelspannung im Nacken. Durch die tägliche Kombination dieser Datenquellen erhielten sie ein umfassenderes Bild des Zustands vor dem Auftreten eines Anfalls.

Ein wichtiges Ziel der Studie war es, herauszufinden, welche Art der Analyse tatsächlich am besten funktioniert. Die Forscher testeten sowohl einfachere Methoden, die jeden Tag einzeln betrachten, als auch fortgeschrittenere Modelle, die die Entwicklung über mehrere Tage hinweg analysieren. Es zeigte sich deutlich, dass Letzteres weitaus bessere Ergebnisse lieferte. Wenn das Modell Zugang zu mehreren Tagen mit historischen Daten hatte – bis zu etwa einer Woche –, gelang es ihm, kleine, allmähliche Veränderungen im Körper zu erfassen, die oft vor einem Migräneanfall auftreten. Dies führte zu einer deutlich höheren Treffsicherheit als bei den Modellen, die nur einzelne Zeitpunkte bewerteten.

Was die Frage betrifft, welche Signale tatsächlich am wichtigsten waren, stachen insbesondere drei Faktoren hervor: wie stark die Kopfschmerzen zuletzt gewesen waren, wie lange sie angehalten hatten und verschiedene Messwerte im Zusammenhang mit der Herzfrequenz. Dies deutet darauf hin, dass sowohl die eigenen Empfindungen des Nutzers als auch eher „verdeckte“ physiologische Veränderungen in der Zeit vor einem Anfall eine Rolle spielen. Gleichzeitig gab es keine einzelne Variable, die alles erklären konnte – entscheidend sind die Kombination und die Entwicklung im Laufe der Zeit.

Auch wenn die Ergebnisse vielversprechend sind, zeigt die Studie doch deutlich, dass es sich hierbei um ein komplexes Problem handelt. Die Modelle waren im Allgemeinen besser darin, migränefreie Tage vorherzusagen als Tage mit Anfällen. Das bedeutet, dass sie besser erkennen können, wann der Körper stabil ist, als wann tatsächlich ein Anfall bevorsteht. Dies hängt wahrscheinlich damit zusammen, dass Migräne von Person zu Person sehr unterschiedlich verläuft und dass nicht alle relevanten Faktoren – wie Stress, Schlaf oder hormonelle Veränderungen – in dieser Datenbasis vollständig erfasst sind.

Die weitere Arbeit wird sich daher darauf konzentrieren, sowohl die Datenbasis als auch die Modelle zu verbessern. Die Forscher weisen insbesondere auf den Bedarf an vollständigeren und kontinuierlichen Daten hin, damit wichtige Auslöser und frühe Symptome nicht übersehen werden. Gleichzeitig ist es das Ziel, die Modelle individueller zu gestalten, damit sie die Muster jedes einzelnen Nutzers besser erfassen.

Die Studie zeigt, dass die Daten aus der BioCer-Studie zum Biofeedback nicht nur einen Überblick bieten – sie können auch genutzt werden, um in die Zukunft zu blicken. Auch wenn sich die Technologie noch in der Entwicklung befindet, ist dies ein wichtiger Schritt hin zu einer individuelleren und präventiven Migränebehandlung.