Mittels EEG und Videoaufnahmen lassen sich epileptische Anfälle schon heute sehr zuverlässig erkennen. Für den Heimgebrauch ist diese Methode aber ungeeignet, da sie zu komplex ist. Das Fraunhofer ISST hat deswegen mit mehreren klinischen Partnern und dem Unternehmen cosinuss einen In-Ohr-Sensor entwickelt, der epileptische Anfälle unter Einsatz von KI-Algorithmen, konkret einem Random-Forest-Algorithmus, diagnostizieren kann. Genutzt wird dabei in erster Linie der Blutdruck, der als Pulswellenzeit (PTT) im Ohr gemessen werden kann.
Die PTT fällt bei epileptischen Anfällen deutlich ab, allerdings gibt es bei unterschiedlichen Menschen unterschiedliche PTT-Muster, weswegen das System große Trainingsdatensätze benötigt, um dann im Echtbetrieb die richtige Entscheidung treffen zu können. Es gibt auch einige prinzipielle Grenzen des Systems. So fällt der Blutdruck nicht bei allen epileptischen Anfällen ab. Fokale Anfälle werden über ein Blutdruckmonitoring nicht sichtbar, sondern vor allem die (klinisch ohnehin leichter zu erkennenden) Grand-Mal-Anfälle.
Ebenfalls nicht ohne Weiteres übertragen lässt sich das diagnostische, PTT-basierte System des Fraunhofer ISST auf das potenziell interessantere Szenario einer Anfallsprädiktion. Hier dürfte der Blutdruck nicht der geeignete Parameter sein, da er erst im Anfall fällt und nicht schon mehrere Minuten vorher. Für eine Prädiktion wäre ein mobiles EEG-Monitoring spannender. Das wiederum scheitert eher an der praktischen Umsetzung als am Algorithmus.