Forscher erkunden eine neue Anwendung künstlicher Intelligenz, die künftig dabei helfen könnte, Menschen mit einem höheren Risiko für die Entwicklung einer Depression zu identifizieren, bevor deutliche Symptome auftreten.

Der Ansatz kombiniert künstliche Intelligenz mit Hirnbildgebung und ermöglicht es Forschern zu untersuchen, wie das Gehirn auf verschiedene emotionale Signale reagiert, und Muster zu erkennen, die mit einem künftigen Depressionsrisiko verbunden sind.

Laut Informationen, die in der Kryptowährungs- und Technologie-Community kursieren, trainierten Forscher ein KI-System mit Hirnscans von Jugendlichen, darunter Teilnehmer mit und ohne Depressionssymptome. Den Teilnehmern wurden Gesichter mit fröhlichen, neutralen und wütenden Emotionen gezeigt, während die Magnetresonanztomographie (MRT) die Aktivität in ihren Gehirnen aufzeichnete.

Anschließend nutzten die Forscher die daraus resultierenden Gehirnmuster, um ein KI-Modell zu trainieren, das Unterschiede in der Emotionsverarbeitung erkennen soll.

Das Konzept ist Teil eines sich schnell entwickelnden Bereichs der Neurowissenschaft, in dem Forscher maschinelles Lernen einsetzen, um biologische und verhaltensbezogene Muster zu identifizieren, die mit künftigen psychischen Erkrankungen verbunden sein könnten.

Es ist jedoch wichtig, zwischen der Vorhersage eines erhöhten Risikos und der Diagnose einer Depression zu unterscheiden. Ein KI-System, das ein statistisches Muster erkennt, kann nicht mit Sicherheit @coinbureau feststellen, dass eine Einzelperson die Erkrankung entwickeln wird.

Wie die KI emotionale Reaktionen analysierte

Der Forschungsansatz konzentriert sich darauf, wie das Gehirn reagiert, wenn Menschen Gesichtsausdrücke verarbeiten.

Den Teilnehmern wurden während MRT-Scans unterschiedliche emotionale Gesichter gezeigt. Die Bilder gaben den Forschern einen detaillierten Einblick in Veränderungen der Gehirnaktivität, während die Jugendlichen positive, neutrale und negative emotionale Informationen verarbeiteten.

Die zugrunde liegende Idee ist, dass eine Depression mit Veränderungen in der Art und Weise verbunden sein kann, wie Menschen emotionale Informationen verarbeiten.

Frühere wissenschaftliche Untersuchungen haben ergeben, dass Unterschiede in den Gehirnreaktionen auf Gesichtsausdrücke mit späteren depressiven Symptomen verbunden sein können. Eine Studie fand beispielsweise heraus, dass die Aktivität in der Amygdala bei jungen Erwachsenen, die neutrale Gesichter betrachteten, mit einem Anstieg depressiver Symptome zwei Jahre später verbunden war.

Die Forscher untersuchen nun, ob künstliche Intelligenz diese subtilen Muster über mehrere Hirnregionen hinweg kombinieren und nutzen kann, um das künftige Risiko effektiver einzuschätzen als mit herkömmlichen Analysen.

Die KI sucht nach verborgenen Mustern

Maschinelles Lernen kann enorme Datenmengen untersuchen und Zusammenhänge erkennen, die mit herkömmlichen statistischen Methoden möglicherweise schwer zu entdecken sind.

In der berichteten Forschung erlernte die KI Muster, die mit Unterschieden in der Emotionsverarbeitung verbunden waren. Jugendliche, die als anfälliger für Depressionen galten, schienen emotionale Informationen anders zu verarbeiten, wobei sie unter anderem eine stärkere Tendenz zeigten, mehrdeutige oder negative Gesichtsausdrücke weniger positiv zu deuten.

Anschließend wurde das System auf Hirnscans von jungen Menschen angewendet, die zum damaligen Zeitpunkt keine offensichtlichen Depressionssymptome zeigten.

Ziel war es nicht, in diesem Moment eine Depression zu diagnostizieren. Vielmehr wollten die Forscher herausfinden, ob die von der KI identifizierten Gehirnmuster auf eine höhere Wahrscheinlichkeit hinweisen könnten, später Symptome zu entwickeln.

Als die Teilnehmer mehrere Jahre später erneut beurteilt wurden, hatten diejenigen, die als erhöhtes Risiko eingestuft worden waren, Berichten zufolge häufiger depressive Symptome entwickelt.

Diese Art von Langzeitforschung ist besonders wichtig, da sie prüft, ob ein biologisches Signal, das vor dem Auftreten von Symptomen beobachtet wurde, in einem Zusammenhang mit späteren Ergebnissen der psychischen Gesundheit steht.

Eine Vorhersage über vier Jahre könnte die Frühintervention verändern

Sollten sich die berichteten Ergebnisse in größeren und unabhängigen Populationen reproduzieren lassen, könnte die Technologie letztlich Auswirkungen auf die Frühintervention haben.

Eine Depression wird häufig erst erkannt, nachdem die Symptome bereits bemerkbar geworden sind. Ein zuverlässiges System zur Risikovorhersage könnte Ärzten und Forschern potenziell mehr Zeit geben, gefährdete Personen zu überwachen.

Das Ziel wäre nicht unbedingt, jemanden Jahre im Voraus als depressiv zu kennzeichnen. Stattdessen könnte ein künftiges System dazu beitragen, Menschen zu identifizieren, die von einer engeren Überwachung, präventiven Strategien oder zusätzlicher psychologischer Unterstützung profitieren könnten.

Die wissenschaftliche Forschung zeigt bereits, dass maschinelles Lernen nützliche prognostische Informationen aus der Hirnbildgebung gewinnen kann.

Eine Studie aus dem Jahr 2024 mit Daten von 2.658 Kindern aus der Adolescent Brain Cognitive Development-Studie ergab, dass multimodale Neuroimaging-Merkmale das Depressionsrisiko bei einer Nachuntersuchung nach zwei Jahren vorhersagen konnten, wobei die funktionelle Konnektivität im Ruhezustand bei Teilnehmern mit einer familiären Vorgeschichte von Depressionen bei den Eltern besonders gut abschnitt.

Auch andere Forschungsarbeiten haben den Einsatz von MRT und maschinellem Lernen zur Vorhersage des künftigen Auftretens von Depressionen bei Jugendlichen ähnlich untersucht.

Die Technologie weist weiterhin erhebliche Einschränkungen auf

Trotz des Potenzials stehen die Forscher vor erheblichen Herausforderungen, bevor eine KI-basierte Depressionsvorhersage zu einem routinemäßigen medizinischen Werkzeug werden könnte.

MRT-Scans sind teuer und erfordern spezialisierte Ausrüstung. Zudem kann die Gehirnaktivität von Person zu Person erheblich variieren, was es schwierig macht, ein einzelnes Muster festzulegen, das für alle gilt.

Die Forscher müssen außerdem klären, ob ein KI-Modell, das an einer Gruppe trainiert wurde, bei Menschen aus verschiedenen Regionen, Kulturen, Altersgruppen und sozioökonomischen Verhältnissen genauso gut funktioniert.

Der Datenschutz ist ein weiteres großes Anliegen.

Hirnscans enthalten hochsensible biologische Informationen. Jedes System, das künstliche Intelligenz zur Bewertung des Risikos psychischer Erkrankungen einsetzt, würde starke Schutzmechanismen benötigen, um Missbrauch oder unangemessene Kennzeichnungen zu verhindern.

Das Wichtigste ist: Ein erhöhter Risikowert sollte niemals als endgültige Diagnose behandelt werden.

Aktuelle Forschung zeigt, dass maschinelles Lernen Aspekte des Risikos für die psychische Gesundheit bei Jugendlichen vorhersagen kann, doch die Forscher betonen weiterhin die Notwendigkeit von Validierung und weiteren Tests, bevor solche Systeme als zuverlässige klinische Werkzeuge gelten können.

Wachsendes Interesse an KI und psychischer Gesundheit

Diese Entwicklung spiegelt einen breiteren Trend in der medizinischen Forschung wider, da künstliche Intelligenz zunehmend in der Lage ist, komplexe biologische Daten zu analysieren.

Wissenschaftler untersuchen KI-Modelle, die MRT-Scans, Verhaltensinformationen, Schlafmuster, die Familiengeschichte und andere Faktoren kombinieren, um das Risiko psychischer Erkrankungen einzuschätzen.

Ein Übersichtsartikel aus dem Jahr 2025 hob Forschung mit Daten von mehr als 11.000 Kindern aus der ABCD-Studie hervor und ergab, dass Systeme des maschinellen Lernens bestimmte künftige Risiken für die psychische Gesundheit identifizieren konnten, wobei verhaltensbezogene und soziale Faktoren in einigen Modellen oft eine größere Rolle spielten als MRT-basierte Messwerte.

Dieses Ergebnis unterstreicht, warum Forscher zunehmend zu multimodalen Modellen übergehen, statt sich allein auf Hirnscans zu verlassen.

Der Bericht über die neueste KI-Forschung kursierte auch in Technologie- und Kryptowährungs-Kreisen, einschließlich einer Diskussion auf dem X-Konto @coinbureau. Das breite Interesse zeigt, wie schnell sich künstliche Intelligenz über finanzielle Anwendungen hinaus in Bereiche der Neurowissenschaften und des Gesundheitswesens ausbreitet.

Wie es weitergeht

Die Möglichkeit, eine Depression Jahre vor dem Auftreten von Symptomen vorherzusagen, ist wissenschaftlich faszinierend, doch es bedarf weiterer Forschung, bevor die Technologie als zuverlässiges Vorhersagewerkzeug gelten kann.

Die Forscher müssen die Ergebnisse mit größeren Gruppen, unabhängigen Datensätzen und längeren Nachbeobachtungszeiträumen reproduzieren. Zudem müssen sie bestimmen, wie genau das Modell außerhalb der Population funktioniert, in der es entwickelt wurde.

Im Moment ist die wichtigste Erkenntnis, dass künstliche Intelligenz Wissenschaftlern neue Wege eröffnet, die Beziehung zwischen Gehirnaktivität, Emotionsverarbeitung und künftigem Risiko für die psychische Gesundheit zu untersuchen.

Wenn sich diese Ansätze weiter verbessern, könnte die KI-gestützte Gehirnanalyse schließlich zu einer Komponente eines früheren Screenings und einer früheren Prävention psychischer Erkrankungen werden.

Die Technologie bleibt jedoch ein Forschungswerkzeug und kein Ersatz für eine professionelle Diagnose. Die Aussicht, das Depressionsrisiko Jahre im Voraus zu erkennen, ist vielversprechend, doch der Nachweis, dass solche Vorhersagen genau, fair und klinisch nützlich sind, wird erhebliche zusätzliche Belege erfordern.