Eine Studie der Universität Genf zeigt, dass unsere vernetzten Geräte wertvolle Daten für die Prävention von neurologischen und psychischen Erkrankungen sammeln können.
Kann man mithilfe seines Smartphones oder seiner Armbanduhr das Risiko von neurologischen oder psychischen Erkrankungen verhindern? Ein Team der Universität Genf hat eine Kohorte von vernetzten Freiwilligen beobachtet und mithilfe einer künstlichen Intelligenz Daten wie Herzfrequenz, körperliche Aktivität, Schlaf und Luftverschmutzung analysiert. Die Ergebnisse zeigen, dass diese Geräte die affektiven und kognitiven Schwankungen der Teilnehmerinnen und Teilnehmer mit einer geringen Fehlerquote vorhersagen können, was den Weg für eine frühere Erkennung von Veränderungen der Gehirngesundheit ebnet. Die Arbeit wird in npj Digital Medicine veröffentlicht.
Die Gesundheit des Gehirns, die kognitive und affektive Funktionen miteinander verbindet, ist eine der grossen Herausforderungen für die Öffentliche Gesundheit im 21. Nach Angaben der Weltgesundheitsorganisation (WHO) leidet mehr als jeder dritte Mensch an neurologischen Erkrankungen (z. B. Schlaganfall, Epilepsie oder Parkinson) und mehr als jeder zweite Mensch erkrankt im Laufe seines Lebens an einer psychischen Erkrankung (Depression, Angststörungen, Schizophrenie). Da die Bevölkerung immer älter wird, steigen diese Zahlen stetig an.
Selbst bei gesunden Erwachsenen schwankt die Gehirngesundheit häufig im Laufe der Zeit und spiegelt die Wechselwirkungen zwischen verschiedenen Faktoren wider, z. B. Umweltfaktoren oder Faktoren, die mit dem individuellen Lebensstil zusammenhängen. Die Analyse von Schwankungen der Kognition und des Affekts von Tag zu Tag oder von Woche zu Woche ist daher für die Entwicklung proaktiver und individueller Präventionsstrategien von entscheidender Bedeutung.
Affektive Zustände liessen sich mit künstlicher Intelligenz am leichtesten vorhersagen, wobei die Fehlerquote überwiegend zwischen 5 % und 10 % lag.
Ein Team der Universität Genf wollte herausfinden, ob tragbare und mobile Technologien zur kontinuierlichen und nicht-invasiven Überwachung der Gehirngesundheit eingesetzt werden können. Dazu wurden 88 Freiwillige im Alter von 45 bis 77 Jahren mit einer speziellen Smartphone-App und einer vernetzten Uhr ausgestattet. Zehn Monate lang sammelten die Geräte "passive" Daten, ohne dass die Freiwilligen eingreifen oder ihre Gewohnheiten ändern mussten, wie Herzfrequenz, körperliche Aktivität, Schlaf, aber auch Wetter und Luftverschmutzung. Insgesamt wurden 21 Indikatoren ausgewählt.
Alle drei Monate mussten die Freiwilligen auch ’aktive’ Daten liefern, indem sie Fragebögen zu ihrem affektiven Zustand und Tests zur kognitiven Leistungsfähigkeit ausfüllten.
Von der KI analysierte Daten
’Am Ende des Experiments wurden die passiven Daten von einer im Rahmen der Studie entwickelten künstlichen Intelligenz analysiert. Ziel war es, zu überprüfen, ob die KI anhand dieser Daten die Schwankungen der kognitiven und affektiven Gesundheit der Teilnehmerinnen und Teilnehmer vorhersagen konnte’, erklärt Igor Matias, Doktorand am Research Institute for Statistics and Information Science der Geneva School of Economics and Management (GSEM) der Universität Genf und Erstautor der Studie.
Die Vorhersagen der KI wurden dann mit den Ergebnissen der Fragebögen und Tests verglichen. ’Im Durchschnitt lag die Fehlerquote bei nur 12,5 %, was neue Perspektiven für den Einsatz von vernetzten Geräten zur Früherkennung von Anomalien oder Veränderungen der Gehirngesundheit eröffnet’, freut sich der Forscher
Affektive Zustände leichter vorherzusagen
Affektive Zustände liessen sich von der künstlichen Intelligenz am leichtesten vorhersagen, wobei die Fehlerquoten überwiegend zwischen 5 und 10 % lagen. Kognitive Zustände hingegen wurden mit Fehlerquoten zwischen 10 % und 20 % weniger genau vorhergesagt. Mit anderen Worten: Die KI sagte die Ergebnisse der affektiven Fragebögen effektiver vorher als die der kognitiven Tests.Was die Relevanz der passiven Indikatoren angeht, so sind Luftverschmutzung, Wetter, tägliche Herzfrequenz und Schlafvariabilität die informativsten Faktoren für die Kognition. Für affektive Zustände erweisen sich vor allem das Wetter, die Schlafvariabilität und die Herzfrequenz während des Schlafs als am ausschlaggebendsten.
Diese Arbeiten, die von Prof. Katarzyna Wac vom Research Institute for Statistics and Information Science der GSEM und Prof. Matthias Kliegel vom Cognitive Aging Laboratory der Fakultät für Psychologie und Erziehungswissenschaften betreut wurden, sind Teil des gemeinsamen Fakultätsprojekts Providemus alz. Die nächste Phase ist bereits im Gange. Sie zielt darauf ab, dieselben Daten über 24 Monate hinweg zu sammeln und gleichzeitig die individuellen Merkmale der Teilnehmerinnen und Teilnehmer zu erforschen, die mit den leistungsstärksten und leistungsschwächsten KI-Modellen in Verbindung gebracht werden, um deren Anwendbarkeit in einem realen, individualisierten Szenario besser zu verstehen.
