Einfacher Bluttest könnte mithilfe von KI psychische Erkrankungen vorhersagen
Forscher haben ein KI-Modell entwickelt, das anhand routinemäßiger Blutuntersuchungen psychische Gesundheitsrisiken mit einer Genauigkeit von 83 % vorhersagt.
Zusammenfassung
Wissenschaftler haben ein KI-System entwickelt, das psychische Störungen anhand routinemäßiger Bluttestergebnisse mit einer Genauigkeit von 83 % vorhersagen kann. Die Studie analysierte Blutproben von 1.379 Universitätsstudierenden und stellte fest, dass spezifische Blutbildwerte – insbesondere Basophilenspiegel und Hämoglobingehalt – starke Prädiktoren für den psychischen Gesundheitszustand sind. Der maschinelle Lernalgorithmus XGBoost übertraf andere Modelle bei der Identifizierung von Studierenden, die ein Risiko für psychische Störungen aufweisen. Dieser Durchbruch könnte eine frühzeitigere Intervention und eine objektivere psychische Gesundheitsvorsorge mithilfe weit verbreiteter Bluttests ermöglichen und die Art und Weise, wie wir psychische Erkrankungen erkennen und verhindern, grundlegend verändern – bevor sie sich zu schwerwiegenden Zuständen entwickeln.
Detaillierte Zusammenfassung
Psychische Erkrankungen betreffen Millionen von Menschen weltweit, doch die Früherkennung bleibt aufgrund subjektiver Bewertungsmethoden eine Herausforderung. Diese wegweisende Studie zeigt, dass routinemäßige Bluttests in Kombination mit künstlicher Intelligenz das Screening und die Prävention psychischer Erkrankungen revolutionieren könnten.
Die Forschenden analysierten Blutbilddaten von 1.379 Universitätsstudierenden und verglichen 22 Blutparameter zwischen Personen mit und ohne psychische Erkrankungen, wie sie durch standardisierte psychologische Beurteilungen festgestellt wurden. Sie setzten fortschrittliche Machine-Learning-Algorithmen ein, um Muster zu identifizieren, die für herkömmliche Analysemethoden unsichtbar sind.
Das KI-Modell XGBoost erzielte eine beeindruckende Genauigkeit von 83 % bei der Vorhersage des psychischen Gesundheitsstatus. Die drei wichtigsten Vorhersagefaktoren waren der Basophilenprozentsatz, die Basophilenanzahl und der mittlere korpuskuläre Hämoglobingehalt. Diese Blutbestandteile des Immunsystems und des Sauerstofftransports scheinen die zugrunde liegenden physiologischen Veränderungen widerzuspiegeln, die mit psychischen Erkrankungen assoziiert sind.
Dieser Ansatz bietet mehrere Vorteile für Langlebigkeit und Gesundheitsoptimierung. Die Früherkennung ermöglicht präventive Maßnahmen, bevor sich Erkrankungen manifestieren, und kann so die kognitive Leistungsfähigkeit und das allgemeine Wohlbefinden ein Leben lang erhalten. Die objektive Natur von Blut-Biomarkern könnte diagnostische Verzerrungen reduzieren und die Behandlungsergebnisse verbessern. Eine regelmäßige Überwachung durch routinemäßige Blutuntersuchungen könnte psychische Gesundheitsverläufe parallel zu körperlichen Gesundheitswerten verfolgen.
Es bestehen jedoch wichtige Einschränkungen. Die Studie konzentrierte sich auf Universitätsstudierende, was die Übertragbarkeit auf andere Bevölkerungsgruppen einschränkt. Das Querschnittsdesign erlaubt keine Kausalitätsaussagen zwischen Blutmarkern und psychischer Gesundheit. Darüber hinaus müssen die spezifischen Mechanismen, die diese Blutparameter mit psychischen Zuständen verbinden, vor einer klinischen Anwendung weiter untersucht werden.
Wichtigste Erkenntnisse
- AI model predicted mental health disorders with 83% accuracy using routine blood tests
- Basophil levels and hemoglobin content were the strongest predictive blood markers
- XGBoost algorithm outperformed other machine learning approaches for mental health prediction
- Study identified 14 key blood parameters from standard complete blood count panels
Methodik
Querschnittsstudie mit 1.379 Universitätsstudierenden, erhoben im September 2024. Der psychische Gesundheitszustand wurde mithilfe der psychologischen Bewertungsskala SCL-90 bestimmt. Sechs Machine-Learning-Algorithmen wurden anhand von Blutbilddaten mit SHAP-Analyse zur Modellinterpretation verglichen.
Studienlimitierungen
Die Studie ist auf eine Universitätsstudentenpopulation beschränkt, was die Generalisierbarkeit einschränkt. Das Querschnittsdesign kann keine Kausalität zwischen Blutmarkern und psychischen Gesundheitsergebnissen belegen. Die Mechanismen, die Blutparameter mit psychischen Zuständen verbinden, bleiben unklar.
Hat dir diese Zusammenfassung gefallen?
Erhalte die neueste Longevity-Forschung jede Woche in deinen Posteingang.
E-Mail-Adresse zum Abonnieren eingeben: