Viele Gesundheits-Apps könnten auf die individuellen Bedürfnisse von Patienten besser zugeschnitten werden. Gelingen soll dies künftig mit einem neuen Analyseverfahren aus dem Bereich des maschinellen Lernens.
Gesundheits-Apps kommen bei körperlichen und psychischen Erkrankungen immer häufiger zum Einsatz. Sie ersetzen normalerweise 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 Regionen, bei denen reguläre Behandlungsangebote nicht oder nur punktuell zur Verfügung stehen.
Verbesserung der Stimmung vorhersagen
Natürlich unterscheidet sich die Wirkung solcher Apps von Person zu Person. Und auch bei ein und demselben Individuum wirken die Interventionen je nach Situation einmal mehr und einmal weniger. Wie der Effekt einer Smartphone-basierten Intervention besser vorhergesagt werden kann, hat jetzt eine Forschungsgruppe unter Beteiligung der Fakultät für Psychologie der Universität Basel um Professorin Marion Tegethoff und Professor Gunther Meinlschmidt untersucht. Sie nutzten dafür Daten von 324 Smartphone-basierten Interventionen zur Stimmungsregulation.
Dabei kam ein statistisches Verfahren des maschinellen Lernens zur Anwendung, eine spezifische Form der sogenannten „Random-Forest“-Methode: Mit diesem Klassifikationsverfahren können große Datenmengen geordnet werden. Die Stärke der Methode liegt darin, dass die Forschenden dem System relevante Merkmale – wie zum Beispiel Müdigkeit oder Unruhe – zuteilen können. Der „lernende Wald“ kombiniert diese Merkmale vielfältig miteinander und erlaubt Vorhersagen, die der Komplexität im realen Leben besser entsprechen als traditionelle Vorhersagemethoden. Das neue Analyseverfahren erlaubt es, die Wirksamkeit von Smartphone-basierten Interventionen präziser vorherzusagen. Darüber berichtet das Forschungsteam unter Leitung der Universität Basel jetzt auch im Fachmagazin Journal of Affective Disorders.
App erfolgreicher nutzen
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 also durch das Verfahren halbiert werden.
„Wir wissen, dass viele Patientinnen und Patienten digitale Interventionen nach anfänglicher Nutzung schnell wieder weglegen. Wenn eine App nur jedes zweite oder dritte Mal wirkt, verlieren die Menschen bald die Lust, und sie sehen wenig Sinn in ihrer Anwendung. Das neue Verfahren hat das Potenzial, dass Patienten Smartphone-basierte Interventionen längerfristig nutzen“, erläutert Meinlschmidt. Die Studie liefere wichtige Hinweise, wie digitale Interventionen in Zukunft besser auf das Individuum zugeschnitten werden können, im Sinne einer personalisierten Therapie. Dabei wären Anwendungen auch in vielen anderen Feldern denkbar, in denen mobile Apps zum Einsatz kommen.