Symptome und Folgen der ADHS
Die Aufmerksamkeitsdefizit-/Hyperaktivitätsstörung (ADHS) ist eine Entwicklungsstörung, die im Kindesalter beginnt und häufig im Erwachsenenalter bestehen bleibt. Zu den Symptomen gehören Unaufmerksamkeit, Konzentrationsschwierigkeiten, Impulsivität, mangelnde Selbstkontrolle und körperliche Hyperaktivität. Eine ADHS kann die Ausbildung und den beruflichen Werdegang der Betroffenen erschweren und ihre Lebensqualität einschränken.
Aussagekraft neurokognitiver Tests unklar
Nach allgemeiner Auffassung wird die ADHS von einer neurokognitiven Entwicklungsstörung hervorgerufen. Messungen der neurokognitiven Leistung wurden sowohl in der ätiologischen Forschung als auch in der klinischen Praxis genutzt. Ob solche Messungen unterschiedliche ADHS-Krankheitsbilder charakterisieren oder vorhersagen können, ist umstritten: die Evidenzlage ist hier gemischt.
Modell für maschinelles Lernen
Wissenschaftler der Universität von Michigan und der Emory Universität haben ein KI-Modell für maschinelles Lernen entwickelt und validiert, welches Phänotypen der ADHS auf der Grundlage der Ergebnisse neurokognitiver Tests in Verbindung mit anderen Charakteristika von Kindern vorhersagen sollte.
Mit ihrem Projekt wollten die Wissenschaftler den Vorhersagewert neurokognitiver Tests bei ADHS objektivieren und dabei prüfen, ob sich Modelle für maschinelles Lernen für solche Fragestellungen eignen. Die Ergebnisse ihrer Arbeit haben die Wissenschaftler in Nature Translational Psychiatry veröffentlicht [1].
Daten von 10.000 Kindern
Die Wissenschaftler nutzten die Daten der Adolescent Brain Cognitive Development Study (ABCD). ABCD ist eine groß-angelegte longitudinale Studie, die die Struktur und Funktion des Gehirns von mehr als 10.000 Kindern an 21 Orten in den USA untersucht. Die Kinder für ABCD wurden durch ein Konsortium so ausgewählt, dass sie die demographische Vielfalt der USA widerspiegeln.
In das Modell für maschinelles Lernen flossen neben den Ergebnissen der neurokognitiven Untersuchungen auch demographische sowie weitere Charakteristika der Kinder, die von ihnen selbst, den Eltern und den Lehrern berichtet wurden, ein. An zwei Follow-up-Terminen, einem nach einem Jahr und einem weiteren nach zwei Jahren, wurden die Kinder auf ADHS-Symptome getestet, um den Vorhersagewert des Modells zu prüfen.
Für die Kreuzvalidierung des Modells wurde es nur mit einem Teil der Daten trainiert. Die restlichen Daten dienten als Testdaten, um zu prüfen, ob das Modell auch bei „neuen Daten“ ähnliche Ergebnisse liefert und sich demnach generalisieren lässt.
Das Modell lieferte konsistente Ergebnisse
Die prädiktiven Modelle erwiesen sich als in hohem Maße generalisierbar: Die Vorhersagen waren über die ABCD-Studienorte konsistent. Die drei Domänen mit dem höchsten prädiktiven Wert waren in Kombination die neurokognitiven und demographischen Parameter sowie die Selbstauskünfte der Kinder.
Das Weglassen einzelner der drei wichtigsten Domänen im Modell, wie beispielsweise der Neurokognition, zeigte, dass jede der Domänen für die maximale Vorhersageleistung unverzichtbar war.
Bei den Selbstauskünften der Kinder erhöhten eine hohe Impulsivität, lange Bildschirmzeiten, geringe elterliche Aufsicht, Familienkonflikte und geringes Engagement die Wahrscheinlichkeit für ADHS-Symptome. Jungen und Kinder aus armen Gegenden waren deutlich häufiger betroffen.
Neurokognitive Messungen
Die Autoren sehen in ihren Ergebnissen einen Beleg dafür, dass die Einbeziehung der Domäne Neurokognition in multivariate, prädiktive Modelle den Vorhersagewert für ADHS-Symptome deutlich verbessert. Mit ihrem Modell für maschinelles Lernen haben die Wissenschaftler ein Instrument geschaffen, dass die Vorhersage von ADHS-Symptomen verbessert und vor allem für die Gesundheitspolitik und Unternehmensstrategien von Nutzen sein kann.
Limitationen der Studie
Obwohl die Autoren einräumen, dass sich die Ergebnisse ihrer Studie nicht direkt in die klinische Praxis übertragen lassen, plädieren sie dafür, dass neurokognitive Messungen bei der klinischen Charakterisierung des ADHS wieder mehr Beachtung finden. Da Skalen, die auf Selbstauskünften und Fremdeinschätzungen beruhen, hochanfällig für Bias sind, ist die Ergänzung der Modelle durch Domänen mit objektivierbarem Beitrag zur Vorhersage von ADHS-Symptomen wichtig.
Wie Eltern Einfluss nehmen können
Die große Bedeutung von Bildschirmzeit und elterlicher Betreuung für die Vorhersage einer ADHS ist eine wertvolle Nebenerkenntnis der Studie, denn über diese Parameter können Eltern der Erkrankung wahrscheinlich nicht vorbeugen, aber möglicherweise ihre Ausprägung mildern.
