CoDaS: KI-basierter Co-Data-Scientist entdeckt digitale Biomarker aus Wearables

Die neueste Veröffentlichung auf arXiv präsentiert CoDaS, ein KI‑gestütztes Multi‑Agenten‑System, das die Entdeckung digitaler Biomarker aus Wearable‑Daten systematisch vorantreibt. Durch einen iterativen Prozess, der Hypothesenbildung, statistische Analyse, adversarielle Validierung und literaturbasierte Argumentation kombiniert, arbeitet CoDaS eng mit menschlicher Aufsicht zusammen.

In einer Analyse von 9.279 Beobachtungen aus drei unterschiedlichen Kohorten identifizierte CoDaS 41 potenzielle digitale Biomarker für psychische Gesundheit und 25 für metabolische Zustände. Jeder Kandidat wurde einer internen Validierungsbatterie unterzogen, die Replikation, Stabilität, Robustheit und diskriminierende Leistungsfähigkeit prüft.

Bei zwei unabhängigen Depressionskohorten zeigte CoDaS circadiane Instabilitätsmerkmale, die sich in der Variabilität der Schlafdauer (DWB, ρ = 0,252, p < 0,001) und der Schlafbeginnvariabilität (GLOBEM, ρ = 0,126, p < 0,001) widerspiegelten. In einer metabolischen Kohorte entwickelte CoDaS einen kardio‑vaskulären Fitnessindex (Schritte/ Ruheherzfrequenz; ρ = –0,374, p < 0,001) und bestätigte etablierte klinische Zusammenhänge wie das Leberfunktionsverhältnis (AST/ALT; ρ = –0,375, p < 0,001).

Die Integration der CoDaS‑generierten Features mit demografischen Variablen führte zu moderaten, aber konsistenten Verbesserungen der Vorhersageleistung: die cross‑validierte ΔR² stieg um 0,040 bei Depressionen und um 0,021 bei Insulinresistenz. Diese Ergebnisse unterstreichen, dass CoDaS die systematische Entdeckung von Wearable‑Biomarkern ermöglicht und damit neue Wege für die digitale Gesundheitsforschung eröffnet.