Aktuelles · Forschung
Kann KI die Magnetstimulation bei Depression verbessern? Neue Studie mit 1.609 Patienten liefert erste Hinweise
Ein Reinforcement-Learning-Algorithmus identifizierte rTMS-Protokolle, die in historischen Behandlungsdaten mit stärkeren kurzfristigen Verbesserungen depressiver Symptome verbunden waren. Ob eine tatsächlich KI-gesteuerte Behandlung bessere Ergebnisse liefert, ist damit noch nicht gezeigt.
Inner Guide: 20. Oktober 2026 · Originalpublikation: 19. Oktober 2026
Kurz eingeordnet
Was hinter der Meldung steht
Retrospektive multizentrische Analyse klinischer Routinedaten mit Reinforcement-Learning-Modellierung; keine randomisierte Interventionsstudie
Stichprobe
1.609 Erwachsene mit therapieresistenter Depression aus 19 Klinikgruppen
Validierung
370 Patienten aus zurückgehaltenen Klinikgruppen für die externe Modellprüfung
Verfahren
Repetitive transkranielle Magnetstimulation (rTMS) mit Reinforcement-Learning-basierter Protokollauswahl
Endpunkt
Veränderung des PHQ-9-Depressionsscores zwischen aufeinanderfolgenden Sitzungen
Studie
Der Algorithmus lernte aus bereits erfolgten rTMS-Behandlungen
Die Forschenden analysierten klinische Routinedaten von 1.609 Erwachsenen mit therapieresistenter Depression, die zwischen Januar 2023 und Juni 2025 in 19 Klinikgruppen mit rTMS behandelt worden waren. Ziel war es, ein Reinforcement-Learning-Modell zu entwickeln, das für eine konkrete Sitzung ein geeignetes Stimulationsprotokoll auswählt.
Zur Prüfung des Modells wurden Daten aus zuvor zurückgehaltenen Klinikgruppen verwendet. Entscheidend ist: Die Patienten wurden nicht prospektiv nach den Empfehlungen des Algorithmus behandelt. Die Studie vergleicht historische Behandlungsentscheidungen mit dem, was das Modell im Nachhinein empfohlen hätte.
Ergebnisse
Übereinstimmung mit der Algorithmusempfehlung war mit stärkeren kurzfristigen Verbesserungen verbunden
In der Validierungsstichprobe mit 370 Patienten war eine tatsächliche Behandlung, die mit der Empfehlung des Algorithmus übereinstimmte, bis zur nächsten Sitzung mit einer um durchschnittlich 0,788 Punkte stärkeren Verbesserung des PHQ-9 verbunden als Behandlungen, die von der Empfehlung abwichen.
Auf Basis des Modells schätzten die Autoren außerdem, dass eine konsequente Befolgung der Empfehlungen über eine Behandlungsserie mit einer zusätzlichen Verbesserung von 3,22 PHQ-9-Punkten verbunden sein könnte.
Diese 3,22 Punkte sind jedoch eine modellbasierte Projektion. Sie wurden nicht in einer randomisierten Patientengruppe tatsächlich beobachtet.
Inner-Guide-Einordnung
Interessante Personalisierungsidee – aber noch kein Nachweis für KI-gesteuerte Therapie
rTMS ist ein etabliertes neuromodulatorisches Verfahren bei bestimmten Formen der Depression. Die neue Arbeit untersucht nicht, ob rTMS grundsätzlich wirkt, sondern ob sich die Auswahl zwischen unterschiedlichen Stimulationsprotokollen datenbasiert besser individualisieren lässt.
Die Ergebnisse sind deshalb eher als Hypothese für eine prospektive klinische Prüfung zu verstehen. Erst eine randomisierte Studie, in der Patienten tatsächlich nach Algorithmusempfehlung oder nach üblicher klinischer Entscheidung behandelt werden, könnte zeigen, ob die KI-gestützte Auswahl einen echten Zusatznutzen bringt.
Für Inner Guide ist die zentrale Unterscheidung: Ein gutes Vorhersagemodell kann klinische Entscheidungen unterstützen, ersetzt aber keinen Wirksamkeitsnachweis für eine algorithmisch gesteuerte Behandlung.
Weiterlesen
Passende Grundlagen auf Inner Guide
Primärquellen
Quellen der Einordnung
Quellen zuletzt redaktionell geprüft am 20. Oktober 2026.