Eine KI, die mit sich selbst debattiert, entdeckt wichtiges Warnsignal für Depressionen bei Smartwatches

Bei 9.279 Personen, die Fitness-Tracker trugen, war das deutlichste körperliche Anzeichen für eine Depression nicht die Dauer des Schlafs. Es war die schiere, chaotische Unregelmäßigkeit, mit der sie tatsächlich ins Bett gingen.

Ein System der künstlichen Intelligenz namens CoDaS hat dieses Muster aus einem Berg unstrukturierter Smartwatch-Sensordaten herausgefiltert. Was die Erkenntnis jedoch so bedeutend macht, ist nicht nur das, was die KI gefunden hat, sondern wie sie dazu gelangte. Anstatt menschlichen Wissenschaftlern einfach algorithmische Vermutungen zu liefern, wurde diese Software so konzipiert, dass sie aggressiv mit sich selbst debattiert, bis sie ihre eigene Arbeitsweise beweisen kann.

Ein eingebauter Skeptiker

Die meisten Machine-Learning-Tools wollen gefallen und finden Muster, wo keine existieren, nur um ein Ergebnis zu liefern. CoDaS arbeitet anders und nutzt das, was die Entwickler als „Adversarial Agent“ bezeichnen. Man kann es sich wie ein digitales Peer-Review-Gremium vorstellen, das in einem Server gefangen ist.

Wenn das Hauptsystem einen potenziellen Zusammenhang zwischen einer physiologischen Auffälligkeit und einer Krankheit erkennt, schaltet sich der Adversarial Agent ein, um den Advocatus Diaboli zu spielen. Er imitiert die rücksichtslose Skepsis eines menschlichen Gutachters und versucht gezielt, die Hypothese zu widerlegen, indem er das System zwingt, dasselbe Ergebnis bei völlig unabhängigen Personengruppen zu validieren. Hält das Muster den neuen Daten nicht stand, wird es verworfen.

Bei der jüngsten Auswertung von über 9.000 Teilnehmerbeobachtungen brachte diese interne Reibung 41 Kandidatenmarker für psychische Erkrankungen und 25 für Stoffwechselerkrankungen hervor. Jeder verbleibende Datenpunkt musste durch bestehende medizinische Literatur belegt sein.

Das zirkadiane Warnsignal

Das auffälligste Signal, das diese algorithmische Feuerprobe überstand, war die „zirkadiane Instabilität“. Während Gesundheits-Apps für Verbraucher besessen davon sind, solide acht Stunden Schlaf zu erreichen, identifizierte die KI stark inkonsistente Zubettgeh- und Aufwachzeiten als primären Marker für Depressionen.

Das System erkannte dies nicht nur als einmalige Anomalie. Indem es sein adversarielles Protokoll zwang, die Berechnungen zu überprüfen, bestätigte CoDaS eine starke Korrelation zwischen unregelmäßigen Zeitplänen und hohen Depressionswerten in zwei völlig getrennten Studienkohorten.

Das Rauschen filtern

Obwohl das Team hinter CoDaS erfolgreich Wearables in ein behelfsmäßiges medizinisches Labor verwandelt hat, betrachtet es die Software eher als Screening-Ebene denn als roboterhaften Arzt. Sie ist darauf ausgelegt, Millionen von Datenpunkten zu durchforsten und menschlichen Forschern eine Auswahlliste hochwahrscheinlicher digitaler Krankheitsindikatoren zu übergeben.

Dieser „Human-in-the-loop“-Ansatz bedeutet, dass die Logik der KI nachvollziehbar bleiben muss. Bevor eine dieser algorithmischen Erkenntnisse auch nur annähernd in den tatsächlichen Behandlungsplan eines Patienten einfließt, muss ein Mensch die Argumentation verifizieren.

Wir haben nicht die Kapazitäten, die physiologischen Daten, die von modernen Wearables stammen, manuell zu überprüfen. Aber ein automatisiertes, skeptisches System, das die Schwerstarbeit leistet, könnte die Smartwatch still und leise von einem teuren Schrittzähler in eine echte medizinische Infrastruktur verwandeln.