Sie sind hier: HomeRubrikenMedizin 4.0 / Internet of Things

News, Produkte, Fachartikel zu Stromversorgungen, Batterien, Akkus, AC/DC-Wandler, DC/DC-Wandler, Energy Harvesting, Power Management, Wireless Power

Gesundheits-Apps, die wirken: Neues Verfahren halbiert Zahl erfolgloser Nutzungen

Forschung | Gesundheits-Apps können besser auf die individuellen Bedürfnisse von Patienten zugeschnitten werden. Ein internationales Forschungsteam hat ein neues Analyseverfahren aus dem Bereich des maschinellen Lernens entwickelt, das die Wirksamkeit präziser vorhersagen soll.

Gesundheits-Apps sind mittlerweile auf vielen Smartphones installiert. Bildquelle: © IPU Berlin

Gesundheits-Apps sind mittlerweile auf vielen Smartphones installiert.

Gesundheits-Apps kommen zunehmend bei körperlichen und psychischen Erkrankungen zum Einsatz. Sie ersetzen keine reguläre Behandlung, können diese aber unterstützen und begleiten – zum Beispiel, um bei Depressionen die Stimmung zu verbessern. Besondere Bedeutung haben Smartphone-basierte Interventionen in Ländern mit geringem oder mittlerem Einkommen, bei denen reguläre Behandlungsangebote nicht oder nur punktuell zur Verfügung stehen.

Wie gut solche Apps wirken, ist jedoch oft ungewiss und von Person zu Person unterschiedlich. Einer Forschungsgruppe unter Beteiligung der International Psychoanalytic University Berlin um Prof. Dr. Gunther Meinlschmidt und Prof. Dr. Marion Tegethoff von der Universität Basel ist es laut eigener Aussage gelungen, mit einem neuen statistischen Verfahren, den Erfolg der Apps besser vorherzusagen. Sie nutzten dafür Daten von 324 Smartphone-basierten Interventionen zur Stimmungsregulation.

Verbesserung der Stimmung vorhersagen

Das entwickelte Verfahren beruht auf der »Random-Forest«-Methode: Bildlich gesprochen, wird dabei ein Wald von Entscheidungsbäumen geschaffen. Jeder Entscheidungsbaum wird so gezüchtet,  dass an seinen Gabelungen zufällig ausgewählte Merkmale, wie zum Beispiel Müdigkeit oder Unruhe, eine bestmögliche Entscheidung erlauben; das System lernt. Um vorherzusagen, ob die nächste Smartphone-Intervention erfolgreich sein wird, wird dann jeder einzelne Baum des Waldes befragt, wie bei einer Abstimmung – und die Meinung der Mehrheit als Vorhersage genommen. »Unser Verfahren hat damit Potenzial, dass Patienten Smartphone-basierte Interventionen längerfristig nutzen«, so Meinlschmidt.

Während es im untersuchten Fall bei etwa sechs von zehn Anwendungen zu keiner Verbesserung der Stimmung kam, waren dies in den durch maschinelles Lernen als erfolgreich vorhergesagten Anwendungen nur noch etwa drei von zehn. Die Anzahl erfolgloser Nutzungen konnte demnach halbiert werden.

Originalpublikation:

Gunther Meinlschmidt, Marion Tegethoff, Angelo Belardi, Esther Stalujanis, Minkyung Oh, Eun Kyung Jung, Hyun-Chul Kim, Seung-Schik Yoo, Jong-Hwan Lee
Personalized prediction of smartphone-based psychotherapeutic micro-intervention success using machine learning.

https://www.sciencedirect.com/science/article/pii/S0165032719312121?via%3Dihub

Journal of Affective Disorders (2019), doi: 10.1016/j.jad.2019.11.071

 

(me)

Schlagworte: Forschung & Entwicklung, Gesundheits-App