Prof. Dr. Christine Falter-Wagner, Heisenberg-Professorin für Klinische Entwicklungspsychologie am LMU Klinikum München und Wissenschaftlerin am DZPG, verfolgt einen innovativen Ansatz: Statt sich allein auf zeitaufwändige Interviews und subjektive Verhaltensbeobachtungen zu stützen, erfasst ihr Team das Kommunikationsverhalten von Menschen mithilfe moderner Sensorik – und wertet die Daten mithilfe von Methoden des maschinellen Lernens aus. Konkret werden dabei mehrere Kommunikationskanäle gleichzeitig aufgezeichnet: Augenbewegungen, Mimik, Körperbewegungen, Sprachmuster und physiologische Signale.
Wie gut sind zwei Menschen aufeinander abgestimmt?
Ein besonderes Augenmerk liegt auf der sogenannten interpersonellen Synchronie – also darauf, wie gut zwei Menschen in einem Gespräch aufeinander abgestimmt sind. Neurotypische Personen zeigen dabei eine feiner abgestimmte Koordination als Menschen im Autismus-Spektrum, etwa bei der Abstimmung von Blick und Gestik. Diese Unterschiede lassen sich durch KI-Algorithmen mit einer Genauigkeit von 80 bis 90 Prozent erkennen – anhand von nur zehnminütigen Videoaufnahmen.
Ein weiterer wichtiger Vorteil: Die Methode hilft dabei, Autismus von anderen psychischen Erkrankungen mit ähnlichen Symptomen zu unterscheiden – etwa von Borderline-Persönlichkeitsstörungen, sozialen Angststörungen oder ADHS. Genau diese Differenzierung stellt die bisherige Diagnostik vor große Herausforderungen und führt immer wieder zu Fehldiagnosen.
Technologie als Unterstützung, nicht als Ersatz
Falter-Wagner betont dabei, dass Technologie die klinische Diagnostik nicht ersetzen soll: „Die technologieunterstützte Diagnostik kann die klinische Diagnostik nicht ersetzen, da diese zum Beispiel auch die Entwicklungsanamnese beinhaltet. Letztendlich ist die klinische Gesamtschau für die Diagnostik ausschlaggebend. Trotzdem können Technologien Kliniker in Zukunft unterstützen und Wartezeiten für diagnostische Abklärungen verkürzen."
Nächste Schritte: Validierung und Akzeptanzforschung
Als nächster Schritt ist eine groß angelegte Validierungsstudie an mehreren Kliniken geplant – gefördert durch den Innovationsfonds des Gemeinsamen Bundesausschusses. Außerdem wird in einer Begleitstudie untersucht, wie Betroffene und Angehörige diese neue Form der digitalen Diagnostik wahrnehmen und akzeptieren.
Originalpublikation: Koehler JC, Dong MS, Bierlich AM, et al. Machine learning classification of autism spectrum disorder based on reciprocity in naturalistic social interactions. Transl Psychiatry. 2024;14(1):76. Published 2024 Feb 3. doi: 10.1038/s41398-024-02802-5
Quellen: https://healthcare-in-europe.com/de/news/autismus-diagnostik-digital-ki.html
https://innovationsfonds.g-ba.de/projekte/bass-teams.723
