Knowledge-Hub Digitalisierung, KI & Gesundheitein Angebot von Monitor Versorgungsforschung

Knowledge-Hub Digitalisierung, KI & Gesundheit › Studien

Machine Learning zur automatisierten EEG-Analyse bei Kindern: Vergleich von Deep Learning und Gradient Boosting

Poggi L et al. · JMIR Med Inform · erschienen 13.11.2026 · PMID 43025848

Von KI ausgewählt und zusammengefasst

Worum es geht

Retrospektive Studie an deutschen Universitätskliniken (Essen); Vergleich eines Deep-Learning-Modells (Convolutional Neural Networks) mit Gradient Boosting zur automatisierten Klassifikation normaler vs. abnormaler pädiatrischer EEGs als Entlastung bei intensivmedizinischen Langzeitaufzeichnungen.

Ergebnis

Deep Learning zeigte höhere Sensitivität (78,3% vs. 65,2%) und F1-Score (80% vs. 73,8%), Gradient Boosting höhere Spezifität (93% vs. 89,6%). Gesamtgenauigkeit bis 85,3%. Beide Verfahren zeigten vielversprechendes Potenzial; Verbesserungen durch größere Datensätze und Explainable AI vorgesehen.

Übertragbarkeit auf Deutschland

Deutsche Kliniken, pädiatrische EEG-Daten; methodisch und technisch übertragbar.

Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.