Frühe Parkinson-Krankheit

Neuro-Depesche

KI hilft bei der Erkennung einer Depression

Für die Prognose im Einzelfall und auch für die Stratifizierung in klinischen Studien wäre es sinnvoll, Patienten mit einem hohen Depressionsrisiko schon zu Beginn der Erkrankung zuverlässig zu  identifizieren. Dies gelang nun anhand von Vorhersagemodellen, die auf künstlicher Intelligenz (KI) beruhen.

 

Bei 312 initial unbehandelten Patienten mit neu diagnostiziertem Parkinson-Syndrom wurde der Algorithmus für maschinelles Lernen Extreme Gradient Boosting (XGBoost) angewendet. Untersucht wurde die Vorhersage einer klinisch relevanten Depression (≥ 5 Punkte auf der Geriatric Depression Scale [GDS-15]) in den nächsten zwei Jahren
.

Sechs wichtige Prädiktoren

Das XGBoost-Modell (und auch das logistische Regressionsmodell) erzielte eine gute Unterscheidung zwischen Patienten, die in den kommenden zwei Jahren eine  Depression entwickelten oder nicht. Unter allen relevanten Faktoren (s. Abb.) erwiesen sich als die wichtigsten sechs Prädiktoren: Patientenalter, Krankheitsdauer, GDS-15-Ausgangswert, Angst (State Trait Anxiety Inventory, STAI), Symptome der REM-Schlaf-Verhaltensstörung (RBDSQ) und eine Depressions-Anamnese.

Lesen Sie den ganzen Artikel

Fachgruppen-Login


Zugangsdaten vergessen?

Alle im Rahmen dieses Internet-Angebots veröffentlichten Artikel sind urheberrechtlich geschützt. Alle Rechte, auch Übersetzungen und Zweitveröffentlichungen, vorbehalten. Jegliche Vervielfältigung, Verlinkung oder Weiterverbreitung in jedem Medium als Ganzes oder in Teilen bedarf der schriftlichen Zustimmung des Verlags.

x