„Pling! - Fühlen Sie sich im Moment unter Druck? – Wollen Sie bei einigen Atemübungen entspannen?“, so könnte sich die Cello-App bei Träger oder Nutzerin melden, wenn deren Fitnesstracker oder Smartwatch auffällige Werte misst. Diese modernen, am Körper getragenen „Wearables“ können Atemfrequenz und Herzfunktion erfassen – wann diese auffällig sind für ein erhöhtes Stresslevel des Nutzers und wie die Trägerin am wirksamsten entspannen kann, das soll die Cello-App wissen, und zwar ganz individuell, weil sie es von und mit dem Nutzer gelernt hat.
Ein Team aus Ärzten, Psychologen, Informatikern und Anwendungsentwicklern startet jetzt die Entwicklungsarbeit an dem System, das Methoden des maschinellen Lernens nutzt. „Zunächst werden wir aufwendige Studien zur Erfassung von Stressfaktoren und zur Charakterisierung individueller Stressunterschiede planen und durchführen, um in sehr genauen Messungen die Trainingsdaten für den Algorithmus zu erzeugen“, beschreibt Prof. Martin Walter das Vorgehen. Der Direktor der Klinik für Psychiatrie und Psychotherapie am Universitätsklinikum Jena koordiniert das Projekt und leitet die Studien. Darin werden neben detaillierten Interviews physiologische Parameter wie Puls, Atemfrequenz, EKG und Hautwiderstand, Daten aus EEG- und MRT-Messungen sowie genetische und hormonelle Daten erfasst.
Diese genauen Stressmarker dienen als Referenzsystem für die von den Fitnesstrackern gemessene Herzfrequenzvariabilität, die die Fähigkeit beschreibt, die Herzfrequenz den körperlichen und mentalen Anforderungen anzupassen. „Diese Fähigkeit lässt nach, wenn das Stresslevel über längere Zeit erhöht ist. Dem kann man zum Beispiel mit Biofeedback-Training entgegenwirken und die Herzfrequenzvariabilität steigern“, so Prof. Veronika Engert vom Institut für Psychosoziale Medizin, Psychotherapie und Psychoonkologie am Uniklinikum Jena. Sie wird im Projekt Studiendaten zur Wirksamkeit dieses Trainings sammeln, an denen sich die App auch messen lassen muss. Denn das System soll nicht nur personalisiert auf das Stresslevel aufmerksam machen, sondern auch individualisierte Empfehlungen geben.
Parallel zu diesen Studien entwickeln IT-Spezialisten der Universität des Saarlandes, des Fraunhofer Instituts für Grafische Datenverarbeitung in Rostock und der mHealth Pioneers GmbH in Berlin den maschinellen Lernalgorithmus, die Schnittstelle zum Fitnesstracker und die Software-Oberfläche für die App, deren Rohversion dann mit den Studiendaten trainiert wird. Dabei stellen die Einbindung der verschiedenen Gerätestandards, die Berücksichtigung der verschiedensten Alltagssituationen und der Datenschutz besondere Herausforderungen dar.
Ist der Algorithmus justiert, folgen Feldstudien, in denen Testnutzer handelsübliche Smartwatches tragen und in den Dialog mit der App treten werden. Mit jeder Rückmeldung des Nutzers lernt die Software ihn besser kennen, kann in den richtigen Situationen warnen, immer bessere Prognosen erstellen und passgenauere Hilfsangebote unterbreiten. Anhand des Lernverhaltens der App und der Treffsicherheit ihrer Warnungen und Vorschläge erfolgt dann iterativ die Kalibrierung und Optimierung des Systems.
MEDICA.de; Quelle: Universitätsklinikum Jena
