WP1 - Multimodale Konnektomik
Wir nutzen die multimodale Bildgebung, um zu untersuchen, wie verschiedene Gehirnregionen miteinander verbunden sind und wie diese Verbindungen bei Epilepsie verändert sind (das sogenannte Epilepsy Dys-connectome). Anstatt uns auf ein einzelnes Areal zu konzentrieren, nutzen wir die Konnektomik, um das gesamte Netzwerk der Interaktionen im Gehirn zu analysieren.
Methoden:
• Strukturelles MRT (strukturelles Konnektom)
• Funktionelles MRT / fMRT (funktionelles Konnektom)
• Kombiniertes EEG-fMRT (epileptogenes Konnektom)
• Interleaved TMS-fMRT (kausales Konnektom)
• Konnektom-Rekonstruktion, Netzwerk- und Graphentheorie-Analyse
Ziel:
Quantitative Dys-Konnektomik: Identifizierung individueller, dynamisch-gerichteter kognitiver und epileptogener Netzwerkmuster, die die Entstehung und Ausbreitung von Anfällen sowie kognitive Auswirkungen erklären. Zudem sollen umfassende, kreuzvalidierte Konnektom-Biotypen und Marker für klinische Ergebnisse (Outcomes) etabliert werden.
Team:
WP-Leitung: Silvia Bonelli-Nauer, Gregor Kasprian
Florian Fischmeister, Martin Tik, Maximilian Nentwich
Doktoranden: Marc Berger, Joel Leinkauf
WP2 - Metabolische Bildgebung
Wir untersuchen, wie sich Epilepsie auf den Stoffwechsel und die Neurochemie des Gehirns auswirkt, um Prozesse sichtbar zu machen, die in der Standard-Bildgebung verborgen bleiben.
Methoden:
• FDG-PET zur Untersuchung des Glukosestoffwechsels
• 7T-MR-Spektroskopische Bildgebung (MRSI)
• Neurochemisches Profiling
Ziel:
Die Entschlüsselung metabolischer Signaturen epileptischer Netzwerke und deren Verknüpfung mit dem Schweregrad der Erkrankung sowie den Behandlungsergebnissen.
Team:
WP-Leitung: Gilbert Hangel, Tatjana Traub-Weidinger, Thomas Nakuz
Marcus Hacker
Doktorandinnen: Sama Rahnemayan, Isabel Pugna
WP3 - EEG Biomarkers
In WP3 nutzen wir das EEG, um zu untersuchen, wo epileptische Anfälle beginnen und wie sie sich im Gehirn ausbreiten. Wir konzentrieren uns dabei auf zwei vielversprechende EEG-Signale: sehr schnelle Gehirnwellen, sogenannte hochfrequente Oszillationen (High-Frequency Oscillations, HFOs), und sehr langsame Veränderungen der Gehirnwellen, die als infralangsame Aktivität (Infra-Slow Activity, ISA) bezeichnet werden. Da diese Signale durch rein visuelle Auswertung allein oft schwer zu erkennen sind, wollen wir computergestützte Tools entwickeln, um sie zu identifizieren und ihren Wert für die Epilepsiediagnose und Therapieplanung zu evaluieren.
Methoden:
• Langzeit-Oberflächen-EEG-Aufzeichnungen (vom Skalp)
• Entwicklung einer auf Deep-Learning-Algorithmen basierenden Analyse der Gehirnwellenaktivität zur:
o automatischen Erkennung sehr schneller EEG-Signale (hochfrequente Oszillationen / HFOs)
o automatischen Erkennung sehr langsamer EEG-Veränderungen (infralangsame Aktivität / ISA)
• Validierung der Ergebnisse mittels intrakranieller EEG-Aufzeichnungen (SEEG)
• Vergleich dieser neuen EEG-Marker mit Standard-EEG-Befunden und klinischen Informationen
Ziel:
Die Entwicklung verlässlicher, nicht-invasiver EEG-Marker, die die Diagnose, Prognosestellung und Therapieplanung bei fokaler Epilepsie unterstützen können. Diese Marker sollen uns zudem dabei helfen, die den Anfällen zugrunde liegenden Gehirnnetzwerke besser zu verstehen und zu erklären, wie fokale Epilepsie die Gehirnfunktion beeinflusst.
Team:
WP- Leitung: Ekaterina Pataraia, Tilmann Kluge (AIT)
Hannes Perko (AIT)
Postdoktoranden: Gerhard Gritsch (AIT), Lukas Lechner (AIT)
Doktorandin: Maša Kovačević
WP4 - Genetik & Transkriptomik
Wir erforschen die genetischen und molekularen Grundlagen der Epilepsie, um zu verstehen, warum sie entsteht und warum Patientinnen und Patienten unterschiedlich auf Behandlungen ansprechen.
Methoden:
• Genomische Sequenzierung (Genom-Sequenzierung)
• Transkriptomik
• Analyse von operativ entferntem (chirurgischem) Gehirngewebe
Ziel:
Die Verknüpfung molekularer Mechanismen mit dem Verhalten von Gehirnnetzwerken sowie die Identifizierung biologisch fundierter Behandlungs- und Therapieziele (Targets).
Team:
WP- Leitung: Daniela Lötsch-Gojo, Karl Rössler, Christian Dorfer,
Doktorandin: Leonie Krausgruber
WP5 - Computergestützte Modellierung
Wir integrieren alle gesammelten Daten in hochentwickelte computergestützte Modelle, die das Krankheitsverhalten simulieren und vorhersagen können.
Methoden:
• Maschinelles Lernen und KI (Künstliche Intelligenz)
• Netzwerkmodellierung und -simulation
• Prädiktive Analytik (Predictive Analytics)
Ziel:
Die Entwicklung des EPICONN-Atlas - einer klinischen Entscheidungshilfe (Decision-Support-Tool), die Folgendes umfasst:
• Eine neurotypische Konnektom-Referenz (Vergleichsmodell gesunder Gehirne)
• Neuartige Darstellungsmethoden multimodaler Bildgebungsdaten des Gehirns zur Bewertung des Ansprechens auf Therapien und zur Vorhersage kognitiver Ergebnisse
• Entscheidungshilfe-Scores (Bewertungssysteme), die aus den entdeckten Biomarkern abgeleitet werden
• Interaktive Visualisierungen epileptogener Netzwerke und von Anomalie-Scores im Verhältnis zum neurotypischen Konnektom
Team:
WP- Leitung: Roxane Licandro, Georg Langs
Postdoktorandinnen und Postdoktoranden: Zakia Khatun, Lukas Lechner (AIT)
Doktorand: Nicolas Weilguny