Machine learning and SHAP-based prediction of depression among residents in Gansu Province

Depression ist eine schwere Last, die Millionen von Menschen weltweit betrifft und oft die Fähigkeit raubt, Freude zu empfinden oder erholsam zu schlafen. Seit Jahrzehnten versuchen Ärzte und Forscher, diejenigen zu identifizieren, die gefährdet sind, indem sie nach geradlinigen Verbindungen suchen: Wenn eine Person ein Problem hat, ist es wahrscheinlicher, dass sie auch ein anderes hat. Sie nahmen an, dass mehr Schlafprobleme mehr Traurigkeit bedeuteten oder dass das Wissen über psychische Gesundheit immer hilfreich sei. Doch der menschliche Geist ist selten so einfach. Manchmal ist die Beziehung zwischen einem Risikofaktor und einer Krankheit gekrümmt oder sie verändert sich je nach Person. Um diese verborgenen Muster zu finden, wenden sich Wissenschaftler nun einem neuen Werkzeug zu: dem maschinellen Lernen. Im Gegensatz zur traditionellen Mathematik, die Daten in ordentliche, gerade Linien presst, können diese Computerprogramme aus unordentlichen, realen Informationen lernen, um komplexe Formen und Verbindungen zu erkennen, die Menschen vielleicht übersehen würden. Das Ziel ist nicht nur vorherzusagen, wer krank werden könnte, sondern genau zu verstehen, warum, damit Hilfe zur richtigen Zeit den richtigen Menschen gegeben werden kann.

In den weiten, vielfältigen Landschaften der Provinz Gansu im Nordwesten Chinas setzte ein Forscherteam diesen neuen Ansatz auf die Probe. Sie sammelten Informationen von über 14.000 Einwohnern und stellten detaillierte Fragen zu ihrem Schlaf, ihrer Einstellung zu psychischer Gesundheit, ihren täglichen Gewohnheiten und ihrem allgemeinen Wohlbefinden. Das Team wollte ein Modell entwickeln, das Menschen, die unter Depressionen leiden, präzise identifizieren kann – ein Zustand, der oft unbemerkt bleibt, bis er schwerwiegend wird. Sie speisten diese riesige Menge an Daten in fünf verschiedene Lernsysteme ein und trainierten sie darauf, die subtilen Anzeichen von Depressionen zu erkennen. Nach einer strengen Prüfung jedes Systems stellten sie fest, dass ein spezifischer Algorithmus, bekannt als XGBOGoost, am besten abschnitt. Er konnte einen AUC-Wert von 0,7 erreichen, was eine signifikante Verbesserung gegenüber älteren Methoden darstellt, die diese Fälle oft übersahen. Dieser Erfolg war entscheidend, da es in einer Gemeinschaft viel schlimmer ist, eine Person, die Hilfe benötigt, zu übersehen, als jemanden fälschlicherweise als bedürftig zu melden.

Nachdem das beste Modell ausgewählt worden war, taten die Forscher etwas noch Wichtigeres: Sie baten den Computer, sein Denken zu erklären. Maschinelle Lernmodelle werden oft als „Black Boxes“ bezeichnet, weil sie eine Antwort geben, ohne zu zeigen, wie sie dorthin gelangt sind. Um dies zu lösen, nutzte das Team eine Technik namens SHAP, die die Vorhersage aufschlüsselt, um zu zeigen, wie stark jeder Faktor zum Ergebnis beigetragen hat. Der Computer enthüllte eine überraschende Wahrheit: Der stärkste Prädiktor für Depressionen war nicht das Alter, das Geschlecht oder das Einkommen, sondern Insomnie. Die Geschichte des Schlafs war jedoch keine einfache. Die Daten zeigten, dass das Risiko für Depressionen nicht einfach weiter anstieg, je schlechter der Schlaf wurde. Stattdessen erreichte die Gefahr bei Menschen mit moderaten Schlafproblemen ihren Höhepunkt. Menschen mit den schwersten Schlafstörungen zeigten in diesem spezifischen Schnappschuss tatsächlich ein geringeres Depressionsrisiko. Die Forscher vermuten, dass dies passieren kann, weil Menschen mit den schwersten Schlafproblemen entweder bereits in Behandlung sind, was ihre aktuelle Depression senkt, oder so funktionell beeinträchtigt sind, dass sie nicht an Gemeinschaftsumfragen teilnehmen können. Menschen in der Mitte – Menschen, die unter ihrem Schlaf leiden, aber noch keine medizinische Hilfe suchen – stellen ein kritisches Zeitfenster dar, in dem eine frühzeitige Intervention eine tiefergehende Krise verhindern könnte.

Die Studie deckte auch eine komplexe Beziehung zwischen dem, wie Menschen über psychische Gesundheit denken, und ihrem tatsächlichen Risiko auf. Die Forscher maßen die „Mental Health Literacy“ (Wissen über psychische Gesundheit), was beinhaltet, was Menschen über psychische Erkrankungen wissen und wie sie darüber denken, Hilfe zu suchen. Sie fanden heraus, dass eine moderate, etwas besorgte Einstellung gegenüber der psychischen Gesundheit tatsächlich der gefährlichste Zustand war. Menschen, die sich ihrer emotionalen Kämpfe bewusst waren, aber nicht über das nötige Vertrauen oder die Ressourcen verfügten, um dieses Wissen anzuwenden, waren am höchsten gefährdet. Es war, als stünden sie an einer Klippenkante, sähen die Gefahr, könnten aber nicht zurückweichen. Im Gegensatz dazu waren Menschen mit einem sehr geringen Interesse an psychischer Gesundheit oft sicherer, vielleicht weil sie nicht über ihre Probleme grübelten, während Menschen mit hohem Wissen und einer positiven Einstellung besser in der Lage waren, damit umzugehen. Dies erzeugte eine gekrümmte, invertierte U-Form in den Daten und bewies, dass mehr Wissen über psychische Gesundheit nicht immer ein gerader Weg zur Sicherheit ist; die Einstellung, die man einnimmt, ist ebenso wichtig wie die Fakten, die man kennt.

Vielleicht war die aufschlussreichste Entdeckung, wie diese Faktoren zusammenwirkten. Die Forscher fanden heraus, dass Insomnie und eine negative Einstellung gegenüber der psychischen Gesundheit wie eine gefährliche Kombination wirkten. Wenn eine Person unter Schlafproblemen litt und zudem eine negative Sichtweise auf die Suche nach Hilfe hatte, schoss ihr Depressionsrisiko weit höher, als wenn man die beiden Risiken einfach addieren würde. Der Computer zeigte, dass diese beiden Faktoren einander verstärkten und so einen perfekten Sturm erzeugten. Andererseits spielte das Alter eine andere Rolle. Mit zunehmendem Alter schwächte sich die Verbindung zwischen Insomnie und Depression ab. Für jüngere und mittelalte Erwachsene waren Schlafstörungen ein großes Warnsignal, aber für ältere Menschen war die Auswirkung weniger schwerwiegend. Dies deutet darauf hin, dass ein junger Mensch mit Schlafproblemen dringende Aufmerksamkeit benötigt, während ein älterer Mensch mit denselben Problemen eine andere Art der Unterstützung gebrauchen könnte, die vielleicht eher auf soziale Kontakte oder die körperliche Gesundheit ausgerichtet ist als nur auf den Schlaf.

Die Erkenntnisse aus Gansu bieten einen klaren Weg nach vorn für die kommunale Gesundheit. Die Forscher kamen zu dem Schluss, dass wir aufhören müssen, nach einfachen, geradlinigen Ursachen für Depressionen zu suchen, und stattdessen anfangen müssen, nach diesen komplexen, gekrümmten Beziehungen zu suchen. Die effektivste Strategie bestünde darin, gezielt die Gruppe der Menschen anzusprechen, die moderate Schlafprobleme haben und eine negative Einstellung gegenüber der psychischen Gesundheit pflegen. Indem man diesen Individuen hilft, ihren Schlaf zu regulieren und ihre Denkweise bezüglich der Suche nach Hilfe ändert, könnten Gemeinschaften eine große Anzahl zukünftiger Fälle verhindern. Die Studie beweist, dass wir durch den Einsatz fortschrittlicher Computerwerkzeuge, um den Daten zuzuhören, über alte Annahmen hinausgehen und die echten, nuancierten Muster finden können, die unser psychisches Wohlbefinden bestimmen. Dieser Ansatz sagt nicht nur die Zukunft voraus; er beleuchtet die spezifischen Schritte, die wir heute unternehmen können, um den Geist unserer Mitmenschen zu schützen.