KI-basiertes System erkennt Depressionen anhand unwillkürlicher Körperreaktionen

Ein multidisziplinäres Team der University of Southern California, bestehend aus Ingenieuren, Neurowissenschaftlern, Linguisten und Psychiatern, hat das PRECOG-Projekt ins Leben gerufen, um die Grenzen der aktuellen psychiatrischen Diagnostik zu überwinden, die auf subjektiven Fragebögen und Selbstauskünften beruht. In Experimenten lasen Freiwillige 160 emotional variierende Aussagen und gaben ihre Zustimmung oder Ablehnung an, während ihre physiologischen Reaktionen kontinuierlich über drei Arten von Sensoren erfasst wurden: ein 64-Kanal-EEG zur Messung der elektrischen Hirnaktivität, ein Infrarot-Eyetracker zur Überwachung des Blickverhaltens und Hautleitfähigkeitsmessungen zur Bewertung der Schweißzusammensetzung. Tiefe neuronale Netze analysierten die gesammelten Daten und identifizierten stabile Muster, die mit depressiven Störungen assoziiert sind. Die EEG-Dekodierung zeigte, dass die ausgeprägtesten Anomalien bei der Verarbeitung negativer Wörter im Gehirn zwischen 300 und 600 Millisekunden nach dem Lesen auftreten, während die Blickanalyse ergab, dass gesunde Personen klare horizontale Augenbewegungsmuster in Richtung der Option „Nicht einverstanden“ aufweisen, wenn sie negative Aussagen lesen, wohingegen depressive Patienten chaotische, verstreute oder gehemmte Bewegungen zeigen. Die mathematische Verarbeitung der Hautleitfähigkeitsdaten erkannte ebenfalls veränderte autonome Reaktionen auf stressige Wörter, die mit der Aktivität des sympathischen Nervensystems zusammenhängen. Die neue KI-Plattform soll als Unterstützungswerkzeug für praktizierende Psychiater dienen und möglicherweise die Vorhersage von Krisenzuständen auf der Grundlage präziser biologischer Parameter verbessern. Die Informationen sind rein bildungsbezogen, basieren auf wissenschaftlicher Forschung und stellen keine persönliche medizinische Empfehlung dar.