Schnelles Smartphone‑Tool erkennt Depressionen in Sekundenschnelle

In den letzten Jahren wurden robuste, gerätebasierte Systeme entwickelt, die Depressionen erkennen, jedoch benötigen diese oft Daten über einen langen Zeitraum. Das neue Tool aus Bangladesch löst dieses Problem, indem es die Nutzung von Apps der letzten sieben Tage in nur einer Sekunde erfasst – durchschnittlich 0,31 Sekunden.

Bei einer Studie mit 100 Studierenden wurde das Tool eingesetzt, um die App‑Verbrauchsdaten zu sammeln. Anschließend wurden verschiedene Machine‑Learning‑Modelle trainiert, wobei die wichtigsten Merkmale mithilfe stabiler Feature‑Selection‑Methoden ausgewählt wurden.

Das leichtgewichtige Gradient‑Boosting‑Modell konnte 82,4 % der depressiven Studierenden korrekt identifizieren, mit einer Präzision von 75 % und einem F1‑Score von 78,5 %. Ein weiteres, kompakteres Stacking‑Modell, das fünf Merkmale aus der Boruta‑Methode nutzt, erreichte eine Präzision von 77,4 % und eine balancierte Genauigkeit von 77,9 %.

Durch die SHAP‑Analyse wurden Verhaltensmarker identifiziert, die mit Depressionen in Zusammenhang stehen. Das Ergebnis zeigt, dass ein schnelles, minimalistisch aufgebautes System eine vielversprechende Ergänzung zur frühzeitigen Erkennung von Depressionen darstellen kann.