EEGAUAI – EEG Analysis Using Artificial Intelligence
Ausgangssituation
Die Gewährleistung einer objektiven Bewertung und zuverlässigen Ermittlung medizinischer und psychologischer Gutachten ist von erheblicher finanzieller und sozialer Bedeutung. Solche Gutachten werden in der Regel im Auftrag von Gerichten, Behörden und (Sozial-)Versicherungsträgern erstellt, um Probanden hinsichtlich ihres Leistungsanspruchs und einer korrekten sozialversicherungsrechtlichen Versorgung (z. B. nach Unfällen oder bei Erkrankungen) zu untersuchen. Bisher wurde keine Integration objektiver elektrophysiologischer Daten und KI-gestützter Lösungsansätze in Validierungstests für Beschwerden angestrebt.
Lösungsidee
Für die Beurteilung der Anstrengungsbereitschaft von Probanden in gutachterlichen Bewertungssituationen wird vorgeschlagen, elektrophysiologische Messungen (EEG) einzusetzen. Hierbei sollen Signalanalysealgorithmen und KI-Verfahren (maschinelles Lernen) entwickelt und implementiert werden, um eine automatisierte Softwarepipeline zur Signalbereinigung und objektiven Klassifizierung der Anstrengungsbereitschaft zu ermöglichen.
Nutzen
Unser Ziel ist es, zukünftig objektive Methoden zur Bestimmung und Klassifizierung der Anstrengungsbereitschaft in medizinischen und psychologischen Gutachten bereitzustellen, die den geltenden rechtlichen und psychologisch- medizinischen Standards entsprechen. Die Gewährleistung valider medizinischer und psychologischer Gutachten ist von erheblicher finanzieller und sozialer Bedeutung, um Leistungsansprüche zu sichern und eine angemessene sozialversicherungsrechtliche Versorgung zu gewährleisten.
Umsetzung der KI-Applikation
Für die Entwicklung der Innovation werden elektroenzephalographische (EEG) Messreihen genutzt, die während einer visuellen Reiz-Reaktionszeitaufgabe abgeleitet werden. Im Fokus des Exploring Projects steht dabei die Entwicklung einer automatisierbaren Software-Pipeline zur EEG-Vorverarbeitung. In darauffolgenden Schritten werden die elektrophysiologische Erhebungsmethoden kombiniert mit KI-basierte Algorithmen (maschinelles Lernen) zur objektiven Klassifikation der Anstrengungsbereitschaft in den neuropsychologischen Testungen.