Mit EEG-Daten zwischen Schizophrenie und Depression unterscheiden

Forschende fanden abweichende neuronale Signaturen

Forschende des Max-Planck-Instituts für Psychiatrie analysierten EEG-Aufzeichnungen mit „supervised machine learning“, um unterschiedliche neuronale Signaturen von Schizophrenie, schweren depressiven Störungen und abnormalem Alterungsprozessen zu identifizieren. Die Analyse zeigte, dass es möglich ist, zwischen diesen psychischen Erkrankungen anhand des Ruhe-EEGs zu unterscheiden. Außerdem wurde ein neues Normatives Elektrophysiologisches Alterslückenschätzungsmodell (EphysAGE) eingeführt, um Hirnalterungsprozesse bei gesunden Menschen und PatientInnen mit neuropsychiatrischen Erkrankungen zu messen.

Die wichtigsten Ergebnisse der Studie:

• Robuste Klassifizierungsmodelle zur Unterscheidung von Schizophrenie und Depression von gesunden Kontrollpersonen anhand von EEG-Daten.
• Identifizierung von Alpha-Power-Abnahmen als prädiktives Merkmal für Schizophrenie und Depression.
• Die Entwicklung des EphysAGE-Modells, das aufzeigt, wie Alterungsprozesse das Gehirn bei psychischen Erkrankungen unterschiedlich beeinflussen.
• Einblicke in die Auswirkungen des Alterns auf die diagnostische Trennbarkeit, die den Weg für potenzielle klinische Biomarker ebnen.