fit und munter - monikit erhält 1,86 Mio. Euro für die weitere Entwicklung seines mobilen Detektors für epileptische Anfälle

fit und munter

monikit erhält 1,86 Mio. Euro für die weitere Entwicklung seines mobilen Detektors für epileptische Anfälle

- Unterstützung vom Life Science Inkubator (LSI) Bonn
- Neues System zur Erkennung und Dokumentation epileptischer Anfälle ermöglicht maßgeschneiderte Medikation

Tübingen/Bonn, 22.11.2018 -- Das Tübinger Ausgründungsprojekt monikit gab heute die Aufnahme in die Inkubation am Life Science Inkubator (LSI) in Bonn bekannt. Damit sichert sich monikit nicht nur eine Projektfinanzierung in Höhe von 1,86 Mio. Euro, sondern auch Unterstützung durch erfahrene Experten im Bereich Life Science und Medizintechnik.
monikit entwickelt ein System zur sensitiven und automatischen Erkennung und Dokumentation von generalisierten und fokalen epileptischen Anfällen im Alltag. Die dafür erforderliche Technologie basiert auf einem mobilen Sensorsystem und einem eigens entwickelten Algorithmus. Mit dem von monikit entwickelten Produkt wird es erstmalig möglich, objektive Informationen über das Auftreten und die Art epileptischer Anfälle während des täglichen Lebens des Patienten zu registrieren. Für den behandelnden Arzt ist es dadurch einfacher, die Medikation der Patienten individuell einzustellen und damit schnellere und bessere Therapieerfolge zu erzielen. Darüber hinaus kann die monikit-Technologie auch zur Alarmierung von Angehörigen bei einem schweren Anfall genutzt werden.

Die Idee von monikit kam von den beiden Gründern Florian Lutz und Kevin Klett während ihres Masterstudiums. Auch Prof. Dr. Yvonne Weber, wissenschaftliche Beraterin von monikit und Leitende Oberärztin der Abteilung Neurologie mit Schwerpunkt Epileptologie am Universitätsklinikum Tübingen sowie Wissenschaftlerin des Hertie-Instituts für klinische Hirnforschung, erkannte sehr schnell das Potenzial eines mobilen Anfallsdetektors. Am Universitätsklinikum Tübingen forschte das Projektteam erfolgreich nach Merkmalen in Gesundheitswerten, die durch epileptische Anfälle verändert werden. Diese Merkmale bilden nunmehr die Grundlage für den innovativen Anfallerkennungsalgorithmus von monikit.
monikit erhält nun am LSI für die weitere Forschungs- und Entwicklungsarbeit in den kommenden drei Jahren ca. 1,86 Millionen Euro aus Mitteln des Bundesministeriums für Bildung und Forschung (BMBF). Damit kann das Team die nächsten Schritte in der weiteren Technologie- und Produktentwicklung umsetzen.

„Wir sehen großen Bedarf für einen mobilen Anfallsdetektor sowohl im Bereich der personalisierten Therapie als auch im ambulanten Monitoring von Epilepsiepatienten“, erklärte Kevin Klett. Florian Lutz ergänzte: „Mit der Finanzierung werden wir zunächst unser Team in den Bereichen Computer- und Data-Science verstärken sowie umfangreiche klinische Datenerhebungen an Epilepsie-Patienten durchführen.“

„Wir freuen uns sehr, diesem ambitionierten Projekt und dem sehr engagierten Projektteam nicht nur die weitere Projektfinanzierung, sondern darüber hinaus auch unser gesamtes Netzwerk und Know-how im Bereich Medizintechnik anbieten zu können“, sagte Dr. Jörg Fregien, Geschäftsführer des LSI.

###

Über Epilepsie
Epilepsie gehört mit über 50 Millionen Betroffenen weltweit zu den häufigsten neurologischen Erkrankungen. Die Krankheit ist gekennzeichnet durch wiederholtes Auftreten von nicht provozierten generalisierten oder fokalen epileptischen Anfällen. Letztere beschränken sich auf einen Bereich im Hirn und sind für Außenstehende visuell eher unauffällig, während generalisierte Anfälle das gesamte Großhirn umfassen und oft mit Versteifung und rhythmisch zuckenden Bewegungen einhergehen. Die Behandlung der Erkrankung erfolgt initial medikamentös. Für den Therapieerfolg bedarf es jedoch einer präzisen Diagnose der Erkrankung auf Basis der im stationären Umfeld als auch im Alltag dokumentierten und klassifizierten Anfälle.


Login
Einstellungen

Druckbare Version

Artikel Bewertung
Ergebnis: 0
Stimmen: 0

Bitte nehmen Sie sich die Zeit und bewerten diesen Artikel
Excellent
Sehr gut
Gut
Okay
Schlecht

Verwandte Links
Linkempfehlung

Diesen Artikel weiter empfehlen: