KI verdoppelt die Remissionsrate bei Depressionen

Was die Studie zeigt

Periphere Gesundheitsdividenden: Neben der Linderung lokaler depressiver Symptome führte das sechswochige Remote-Video-Coaching-Programm zu einem Rückgang der Angstsymptome um 36 %, erheblichen Verbesserungen der selbstberichteten Lebensqualität und höheren Ergebnissen in kurzen Gedächtnis- und Aufmerksamkeits-Tests.

Nachhaltige therapeutische Wirkung: Nachkontrollen bestätigten, dass die während des sechswochigen Trainingsblocks erzielten kognitiven und psychologischen Vorteile drei volle Monate nach dem offiziellen Ende der aktiven Intervention anhielten.

Quelle: UCSD Mehr als 21 % der Erwachsenen in den USA leiden unter Depressionen, was ihre Lebensqualität erheblich beeinträchtigt.

Laut Jyoti Mishra, PhD, Assistenzprofessorin für

Laut Jyoti Mishra, PhD, Assistenzprofessorin für Psychiatrie an der University of California San Diego School of Medicine, können viele Menschen mit leichter bis mittelschwerer Depression ihre Symptome durch Anpassung täglicher Gewohnheiten wie Schlaf, Bewegung, Ernährung und soziale Interaktion verbessern.

Da Depressionen jedoch zwischen den Menschen stark variieren, ist ein einheitlicher Lebensstilansatz nicht sehr wirksam.

In einer bahnbrechenden Studie entwickelten Mishra und ihr Team ein ütztes Coaching-Programm für den Lebensstil, das auf Daten basiert, die über persönliche Geräte hinsichtlich der Stimmung und der täglichen Gewohnheiten der Teilnehmer gesammelt wurden.

Technischer Hintergrund

Sie stellten fest, dass Teilnehmer, die das Programm umsetzten, nach sechs Wochen signifikante Reduktionen depressiver Symptome verzeichneten. Die Ergebnisse bieten einen vielversprechenden Ansatz für die Fernanwendung personalisierter Depressionstherapien, die auf die individuellen Umstände jedes Einzelnen zugeschnitten sind.

Die Studie wurde in NPP – Digital Psychiatry and Neuroscience veröffentlicht. Während eines zweiwöchigen Zeitraums trugen 50 Erwachsene mit leichter bis mittelschwerer Depression eine Smartwatch, die Herzfrequenz und Aktivitätsniveau überwachte.

Zusätzlich protokollierten sie ihre Stimmung und beantworteten bis zu viermal täglich kurze Fragen zu Schlafqualität, Ernährung, Aktivitätsniveau und der Häufigkeit ächen mit Freunden oder Familie.

Technik und Auswirkungen

Das Team entwickelte auf Basis dieser Daten für jeden Teilnehmer ein einzigartiges maschinelles Lernmodell, um herauszufinden, welche Lebensstilfaktoren die Stimmungsschwankungen am besten vorhersagen.

Anschließend arbeitete jeder Teilnehmer mit einem Gesundheitscoach zusammen, um einen individuellen Plan zur Stimmungssteigerung, den iMAP, umzusetzen. „Unser Ziel war es, die wichtigsten Lebensstilfaktoren zu identifizieren, die den depressiven Zustand antreiben – und diese sind bei verschiedenen Menschen unterschiedlich –, und zu prüfen, ob eine gezielte Intervention durch personalisiertes Coaching tatsächlich zu einer Besserung der Stimmung führt", sagte Mishra, der Co-Leiter der Neural Engineering and Translation Labs (NEATLabs) an der UC San Diego.

In den folgenden sechs Wochen arbeiteten die Teilnehmer mit ihren Coaches an der Umsetzung ihrer iMAPs. „Jeder Teilnehmer im Versuch setzte unterschiedliche verhaltensbasierte Therapien um, die bereits in der Literatur gut etabliert sind, abhängig ädiktiven Faktor", so Mishra.

Technischer Hintergrund

Einige Personen arbeiteten an einem kognitiven Verhaltenstherapie-Programm zur Behandlung örungen, andere an der Maximierung der körperlichen Aktivitäten, die sie bereits im Alltag ausübten, der Stärkung sozialer Verbindungen oder der Implementierung einer gesunden, stimmungsbasierten Ernährungsintervention.

Nach sechs Wochen der Zusammenarbeit mit dem Coach über kurze Videocalls berichteten die Teilnehmer: Symptome; 55 % der Teilnehmer waren nach der Behandlung gemäß dem Patient Health Questionnaire-9 (PHQ-9), einem standardisierten Screening-Test für Depressionen, nicht mehr depressiv.

Sie verzeichneten einen Rückgang der Angstsymptome um 36 %, gemessen mit dem Generalized Anxiety Disorder-7 (GAD-7) Screening-Test. Sie berichteten ät. Zudem schnitten sie in kurzen Tests zu Gedächtnis und Aufmerksamkeit besser ab.

Was die Studie zeigt

Darüber hinaus stellten die Forscher fest, dass der Behandlungseffekt während der drei Monate, in denen sie die Teilnehmer nach Abschluss der Intervention weiter begleiteten, anhielt. „Klinische Studien zeigen, dass die meisten aktuellen Interventionen im Durchschnitt nur etwa einen 30-prozentigen Nutzen in Bezug auf die Remission; hier sehen wir eine fast Verdopplung dieses Effekts durch die gezielte Ansprache der wichtigsten lebensstilbedingten Prädiktoren mittels datengestützter personalisierter Coaching-Programme", so Mishra.

Mishra geht davon aus, dass die Intervention wirksamer sein könnte, da sie sich für die Verhaltensgesundheit abhebt. „Alle wissen, dass wir gesündere Ernährungsweisen wählen, versuchen, acht Stunden Schlaf zu bekommen oder pro Woche Sport treiben sollten, und so weiter", sagte sie. „Ich denke jedoch, dass personalisierte Erkenntnisse empowernder wirken können als diese allgemeinen Leitlinien, da sie nicht so überwältigend sind." Wenn man sich in einem depressiven Zustand befindet, ist es nicht möglich, alles an seinem Leben zu ändern – man versucht lediglich, überleben und zu funktionieren.

Obwohl die Studie klein war, liefert sie den ersten Beleg dafür, dass eine integrierte Herangehensweise mit digitaler Überwachung, durch maschinelles Lernen gewonnenen Erkenntnissen und kurzen, personalisierten wöchentlichen Coachings, die remote durchgeführt werden, vielversprechend sein könnte, um bei großen Gruppen moderate Depression zu behandeln.

Technik und Auswirkungen

Um die Ergebnisse zu validieren, ist eine größere, kontrollierte Studie zu diesem personalisierten therapeutischen Ansatz erforderlich. Weitere Mitautoren der Studie sind: Jason Nan, Suzanna Purpura, Satish Jaiswal, Houtan Afshar, Vojislav Maric, James K. Manchanda und Charles T. Taylor sowie Dhakshin Ramanathan und dem VA San Diego Medical Center.

Finanzierung: Die Studie wurde teilweise durch einen Seed-Grant der Hope for Depression Research Foundation finanziert. Zentrale Fragen beantwortet: A: Wenn sich eine Person in einem depressiven Zustand befindet, agiert sie im Überlebensmodus und versucht lediglich, den Alltag zu bewältigen.

Eine umfangreiche, allgemeine Liste änderungen zu übergeben, ist tiefgreifend überwältigend. Da Depressionen zwischen individuellen Biologien stark variieren, funktioniert, was für eine Person wirkt, nicht unbedingt für eine andere.

Technik und Auswirkungen

Die Fokussierung auf den einzigen, datengestützten Auslöser, der Ihre spezifischen niedrigen Stimmungszustände verursacht, nimmt die Erschöpfung weg, die entsteht, wenn man versucht, alles gleichzeitig zu ändern. A: Über zwei Wochen hinweg verfolgt das Modell Muster zwischen Ihren biometrischen Bewegungsdaten und Ihren aktiven Stimmungsbereicherungen.

Es berechnet die zugrundeliegenden Korrelationen, um Ihren primären Risikofaktor zu ermitteln. Wenn der Algorithmus feststellt, dass ein Mangel an sozialer Interaktion direkt Ihre niedrigen Stimmungszustände vorhersagt, erhalten Sie Stärkung sozialer Verbindungen.

Wenn Ihr Schlaf der Haupttreiber ist, wechseln Sie in einen gezielten kognitiven Verhaltenstherapie-Pfad zur Behandlung.

Was die Studie zeigt

A: Die Daten zeigen, dass die Heilung Studie ergab, dass die massiven Rückgänge bei Depressionen und Angstzuständen sowie die Verbesserungen bei Gedächtnis und Aufmerksamkeit während eines dreimonatigen Nachbeobachtungszeitraums nach dem Ende der wöchentlichen Videocoaching-Gespräche vollständig stabil blieben.

Redaktionelle Anmerkungen: Dieser Artikel wurde News bearbeitet. Zusätzliche Kontextinformationen wurden ügt.

Informationen zu dieser KI- und Depressionsforschung: Autor: Susanne Bard; Quelle: UCSD; Kontakt: Susanne Bard – UCSD; Bild: Das Bild ist Neuroscience News zu verdanken; Originalforschung: Open Access. „Personalisierte maschinelle lernbasierte Intervention zur Optimierung: eine Pilotstudie", Suzanna Purpura, Satish Jaiswal, Houtan Afshar, Vojislav Maric, James K.

Was die Studie zeigt

Manchanda, Charles T. Taylor, Dhakshin Ramanathan & Jyoti Mishra. NPP – Digitale Psychiatrie und Neurowissenschaften DOI:10.1038/s44277-026-00062-3 Personalisierte, maschinelle-Learning-gestützte Intervention zur Optimierung: Eine Pilotstudie Personalisierte, datengestützte Interventionen bei Depression sind dringend erforderlich.

In dieser Studie nutzen wir N-of-1-Maschinenlernen (ML), um Lebensstilinterventionen bei Depression optimal zu steuern. 50 Personen mit leichter bis mittelschwerer Depression nahmen an der einarmigen, offenen Pilotstudie „Personalized Mood Augmentation" (PerMA) teil (NCT05662254).

Die Teilnehmer durchliefen eine zweiwöchige Phase der digitalen Überwachung mittels smartphonebasierter ökologischer Momentanbefragungen (EMAs, viermal täglich) sowie Smartwatch-basierter Erfassung (Schlaf, Bewegung, Ernährung, soziale Verbindung).

Technik und Auswirkungen

Aus diesen Daten wurden personalisierte ML-Modelle entwickelt, um Lebensstilfaktoren zu identifizieren, die am stärksten mit der individuellen Stimmung korrelieren. Die Ergebnisse wurden in individualisierte Stimmungssteigerungspläne (iMAPs) übersetzt, die über sechs Wochen unter wöchentlichem Begleitungsangebot durch einen Gesundheitscoach umgesetzt wurden.

Teilnehmer, die die Intervention vollständig abschlossen (n = 40), zeigten eine signifikante Verringerung depressiver Symptome (primärer Endpunkt: selbstberichteter PHQ9 −3,5 ± 3,8, Cohens d = −0,89, 95%-KI [−1,25; −0,53], p < 0,001; klinisch beurteilter HDRS −7,2 ± 6,8, d = −1,03, 95%-KI [−1,41; −0,65], p < 1E-6); diese positiven Effekte hielten sich bis zum 12-Wochen- up.

Auch die komorbide Angst wurde signifikant reduziert (GAD7: d = −0,85, 95%-KI [−1,2; −0,49], p < 0,001), und die Lebensqualität verbesserte sich (d = 0,68, 95%-KI [0,33; 1,02], p < 0,001).

Zusätzlich zeigten objektive kognitive Maße, die

Zusätzlich zeigten objektive kognitive Maße, die bei Depressionen beeinträchtigt sind, eine signifikante Verbesserung, darunter selektive Aufmerksamkeit (d = 0,51, CI [0,18, 0,84], p < 0,001), Interferenzverarbeitung (d = 0,53, CI [0,2, 0,85], p < 0,01) und Arbeitsgedächtnis (d = 0,66, CI [0,31, 0,99], p < 0,001).

Die EMA-Verfolgung bestätigte, dass die Verbesserung der depressiven Stimmung spezifisch durch die Verbesserung individuell zielgerichteter Lebensstile vorhergesagt wurde (β = 0,4 ± 0,09, p < 0,0005).

Schließlich konnten Entscheidungsalgorithmen und ein großes Sprachmodell (LLM) die vom menschlichen Coach geleitete iMAP-Zuweisung mit einer Genauigkeit 95 % nachbilden.

Die PerMA-Studie stellt einen personalisierten Lebensstil-Eingriffsansatz für Depressionen dar und verdient eine Ausweitung sowie eine randomisierte kontrollierte Studie (RCT), um die klinische Wirksamkeit zu etablieren. PERMA wurde unter der Registernummer NCT05662254 bei ClinicalTrials.gov registriert.