DAIsy Developing AI ecosystems improving diagnosis and care of mental diseases

Ziele

Das heutige Gesundheitsversorgungssystem gewinnt stetig an Komplexität. Immer mehr medizinische Fachbereiche sind an der Diagnostik, den Behandlungen sowie der Nachsorge von Patienten*innen beteiligt und die Zahl der verfügbaren Behandlungsmöglichkeiten nimmt rapide zu. Insbesondere bei psychischen Erkrankungen ist das Behandlungsangebot jedoch weiterhin unzureichend. Nicht nur während der Corona-Pandemie, sondern auch bereits in den Jahren zuvor, haben psychische Erkrankungen erheblich zugenommen. In Deutschland zählt die Depression hinsichtlich ihrer Auswirkungen zu den stark unterschätzten psychischen Erkrankungen. So erkranken in Deutschland insgesamt 8,2% aller Erwachsenen im Laufe eines Jahres an einer unipolaren oder anhaltenden depressiven Störung. Hierbei sind etwa jede vierte Frau und jeder achte Mann von einer Depression betroffen. Mit einer geschätzten globalen Lebenszeitprävalenz von 16-20%, verursacht die Depression nicht nur unerträgliches individuelles Leiden (laut WHO-Schätzungen ereignen sich >50% aller Suizide vor dem Hintergrund einer Major Depression), sondern auch eine starke gesellschaftliche und wirtschaftliche Belastung. Berücksichtigt man nicht nur die direkten Diagnostik- und Behandlungskosten, sondern auch sekundäre Folgekosten (zum Beispiel. B. Produktivitätsverluste aufgrund von Arbeitsunfähigkeit oder Frühberentung), werden die jährlichen Gesamtkosten der Depression allein in Deutschland auf mindestens 22 Milliarden Euro geschätzt, wobei Produktivitätsverluste hierbei den größten Anteil ausmachen. Daher ist die Behandlung von Depressionen nicht nur wichtig, um individuelles Leiden zu verringern, sondern auch um volkswirtschaftliche Schäden abzuwenden. Hierzu müssen neue, KI-basierte Wege gefunden werden, um die Behandlung für die Betroffenen effizienter zu gestalten und die enormen Gesundheitsausgaben zu reduzieren. Ziel des Projekts DAIsy ist daher das Erforschen neuartiger, innovativer Therapiesysteme zur Verbesserung diagnostischer, interaktiver und individueller Ansätze für Patient*innen, die unter einer depressiven Erkrankung leiden. Dabei werden zwei Anwendungsfälle verfolgt:

  1. Multimodales Neurofeedbacksystem: Ziel dieses ambulanten Therapieverfahrens ist es, neuronale Reaktionen auf standardisierte Testumgebungen über ein multimodales Neurofeedbacksystem zu erfassen und den Patient*innen dieses als Feedback zu präsentieren. Dadurch sollen selbstregulierende Mechanismen des Gehirns aktiviert werden, um dysfunktionalen neuronalen Aktivitätsmustern entgegen zu wirken. Die Merkmalsextraktion aus den aufgenommenen Daten ist eine hochanspruchsvolle Aufgabe, die im Rahmen dieses Projekts mit der Entwicklung von innovativen KI-basierten Algorithmen realisiert werden soll. Zusätzlich soll das EEG-basierte Neurofeedbacksystem um ein fNIRS erweitert werden, um zu prüfen, ob die Fusion der Sensordaten der beiden Systeme zu einer verbesserten Signalqualität für das Neurofeedback führt. EEG basierte Ansätze zeigen eine gute temporale Auflösung, während fNIRS basierte Ansätze ihre Vorteile in der lokalen Auflösung haben. Eine Kombination der Systeme könnte zu einer verbesserten Gesamtauflösung führen.
  2. Virtueller Therapieassistent: Ziel dieses Ansatzes ist eine kontinuierliche Unterstützung der Patient*innen im Alltag durch eine virtuelle Therapieassistenz. In Form einer digitalen Gesundheitsanwendung sammelt diese Daten zum Erleben und Verhalten der Patient*innen, wie zum Beispiel Stimmungsparameter, Medikamenteneinnahmen, die Nutzung von Social Media, körperliche Aktivität, Vitalparameter oder Nutzungszeiten mobiler Endgeräte. Durch die Anwendung von KI-basierten Verfahren sollen individuelle Verhaltens- und Stimmungsmuster erkannt und situationsadäquate Behandlungsmaßnahmen abgeleitet werden. Durch die bessere und genauere Kenntnis über den Zustand der Patient*innen werden so symptombasierte Neurofeedbackverfahren optimal genutzt und eingestellt werden können. Darüber hinaus wird die Therapieassistenz verschiedene – aus der klassischen Psychotherapie bewährte – Therapieelemente digital-aufbereitet und KI-assistiert zur Verfügung stellen.

Beide Ansätze werden ein kontinuierliches Monitoring des psychischen Befindens sowie ein darauf aufbauendes individualisiertes Therapievorgehen ermöglichen, um eine Verschlechterung des Krankheitsbildes frühzeitig zu erkennen und behandeln zu können. Nur durch eine rechtzeitige Intervention lassen sich einerseits Folgen eines sich verschlechternden Krankheitsverlaufs minimieren und andererseits damit korrelierend Therapiekosten senken.

Im deutschen Konsortium des europaweiten ITEA Projekts stellen sich das Universitätsklinikum Bonn, die Materna Information & Communication SE, die BEE Medic GmbH, die Ascora GmbH und OFFIS gemeinsam dieser Herausforderung.

Personen
Publikationen
Developing Advanced AI Ecosystems to Enhance Diagnosis and Care for Patients with Depression

Franziska Klein, Frerk Müller-Von Aschwege, Patrick Elfert, Julien Räker, Alexandra Philipsen, Niclas Braun, Benjamin Selaskowski, Annika Wiebe, Matthias Guth, Johannes Spallek, Sigrid Seuss, Benjamin Storey, Leo N. Geppert, Ingo Lück, Andreas Hein; Studies in Health Technology and Informatics; 0Oktober / 2023

From lab to life: challenges and perspectives of fNIRS for haemodynamic-based neurofeedback in real-world environments

Klein, Franziska and Kohl, Simon H. and Lührs, Michael and Mehler, David M. A. and Sorger, Bettina; Philosophical Transactions of the Royal Society B: Biological Sciences; 2024

Mobile Data Collection for Depression Analysis: An App Framework for Monitoring Mood and Depression Using Smartphone and Wearable Data:

Schröter, Eliane and Klein, Franziska and Elfert, Patrick and Bredehorn, Fynn and Räker, Julien and Aschwege, Frerk and Hein, Andreas; Proceedings of the 18th International Joint Conference on Biomedical Engineering Systems and Technologies; 2025

The fNIRS glossary project: a consensus-based resource for functional near-infrared spectroscopy terminology

Stute, Katharina and Gossé, Louisa K. and Montero-Hernandez, Samuel and Perkins, Guy A. and Yücel, Meryem A. and Cutini, Simone and Durduran, Turgut and Ehlis, Ann-Christine and Ferrari, Marco and Gervain, Judit and Mesquita, Rickson C. and Orihuela-Espina, Felipe and Quaresima, Valentina and Scholkmann, Felix and Tachtsidis, Ilias and Torricelli, Alessandro and Wabnitz, Heidrun and Yodh, Arjun G. and Carp, Stefan A. and Dehghani, Hamid and Fang, Qianqian and Fantini, Sergio and Hoshi, Yoko and Niu, Haijing and Obrig, Hellmuth and Klein, Franziska and Artemenko, Christina and Bajracharya, Aahana and Barth, Beatrix and Bartkowski, Christian and Borot, Lénac and Bulgarelli, Chiara and Busch, David R. and Chojak, Malgorzata and DeFreitas, Jason M. and Diprossimo, Laura and Dresler, Thomas and Eken, Aykut and Elsherif, Mahmoud M. and Emberson, Lauren L. and Exner, Anna and Ferdous, Talukdar Raian and Fiske, Abigail and Forbes, Samuel H. and Gemignani, Jessica and Gerloff, Christian and Guérin, Ségolène M. R. and Guevara, Edgar and Hamilton, Antonia F. de C. and Hosseini, S. M. Hadi and Jain, Divya and Kerr-German, Anastasia N. and Kong, Haiyan and Kroczek, Agnes and Longhurst, Jason K. and Lührs, Michael and MacLennan, Rob J. and Mehler, David M. A. and Meidenbauer, Kimberly L. and Moreau, David and Mutlu, Murat C. and Orti, Renato and Paranawithana, Ishara and Pinti, Paola and Jounghani, Ali Rahimpour and Reindl, Vanessa and Ross, Nicholas A. and Sanchez-Alonso, Sara and Seidel-Marzi, Oliver and Shukla, Mohinish and Usama, Syed A. and Talati, Musa and Vergotte, Grégoire and Yaqub, M. Atif and Yu, Chia-Chuan and Zainodini, Hanieh; Neurophotonics; 0April / 2025

Partner
Ascora GmbH
www.ascora.net
Materna Information & Commmunications SE
www.materna.de
Universitätsklinikum Bonn
www.ukbonn.de
BEE Medic GmbH
www.beemedic.de

Laufzeit

Start: 01.11.2023
Ende: 31.10.2025

Website des Projekts

Fördermittelgeber