Kontaktloses Depressionsscreening über per Gesichtsvideo abgeleitete Herzratenvariabilität

Stimmung erfassen – nur mit einer Kamera

Viele Menschen mit Depression erhalten nie Hilfe, oft weil es schwerfällt, über psychische Gesundheit zu sprechen oder Zeit für einen Klinikbesuch zu finden. Diese Studie untersucht eine überraschend einfache Idee: Könnte eine gewöhnliche Webcam, die für ein paar Minuten auf das Gesicht gerichtet ist, helfen, Personen zu identifizieren, die möglicherweise an Depression leiden, indem sie winzige Veränderungen im Herzschlag verfolgt?

Wie das Herz unseren inneren Zustand signalisiert

Unsere Herzen schlagen nicht wie ein Metronom. Die kleinen, natürlichen Schwankungen der Abstände zwischen den Herzschlägen – bekannt als Herzratenvariabilität (HRV) – spiegeln wider, wie flexibel unser Nervensystem auf Stress und Emotionen reagiert. Frühere Forschung hat gezeigt, dass Menschen mit Depression tendenziell weniger von dieser gesunden Variabilität aufweisen. Die Autorinnen und Autoren dieser Arbeit fragten, ob HRV, gemessen auf eine kurze und komfortable Weise, für groß angelegtes Depressionsscreening außerhalb spezialisierter Labore nutzbar sein könnte.

Eine kontaktlose Untersuchung mit Gesichtsvideo

Statt Sensoren an Brust oder Handgelenk anzubringen, nutzte das Team Gesichtsvideoaufnahmen von mehr als 1.400 Erwachsenen, die Krankenhäuser in Südkorea aufsuchten. Eine Standard-Webcam nahm das Gesicht jeder Person auf, während sie mehrere Minuten ruhig saß. Subtile Veränderungen der Hautfarbe, für das bloße Auge unsichtbar, aber von der Kamera detektierbar, wurden in ein Pulssignal und anschließend in detaillierte HRV-Messungen umgewandelt. Bei demselben Besuch füllten die Teilnehmenden einen kurzen Fragebogen (PHQ-9) aus, der ihre depressiven Symptome der vorangegangenen zwei Wochen bewertete. Personen mit einem Wert von 5 oder mehr wurden für diese Studie als symptomatisch depressiv gruppiert, niedrigere Werte galten als nicht depressiv.

Den Computer trainieren, Muster zu erkennen

Die Forschenden bauten anschließend ein System des maschinellen Lernens, das Muster erlernen sollte, die Menschen mit und ohne depressive Symptome unterscheiden. Sie kombinierten viele Informationsbausteine: mehrere HRV-Messgrößen (etwa durchschnittliche Herzfrequenz und verschiedene Frequenzbänder der Variabilität) und grundlegende persönliche Angaben wie Alter, Geschlecht, Raucherstatus, Body-Mass-Index und das Vorhandensein anderer Erkrankungen. Mehrere Algorithmen wurden übereinandergelegt (Stacking), sodass ein finales Modell die Stärken der einzelnen Ansätze nutzen konnte. Die Leistungsbewertung erfolgte mit Maßen, die besonders für Ja/Nein-Entscheidungen in der Medizin geeignet sind, einschließlich wie gut das System wahrscheinliche Depressive von Nicht-Depressiven über wiederholte Tests trennte.

Was das System richtig erkannte – und wo es versagte

Das Modell konnte die beiden Gruppen besser als zufällig unterscheiden, jedoch nicht mit der Genauigkeit, die für ein eigenständiges diagnostisches Instrument erforderlich wäre. Seine Gesamtunterscheidung war moderat: Auf den in der Medizin üblichen Skalen lag die Leistung im „mittleren“ statt im „hohen“ Bereich. Eine wichtige Erkenntnis war, dass einfache demografische Faktoren – insbesondere Rauchen, Geschlecht und das Vorhandensein medizinischer Erkrankungen – stärkere Prädiktoren waren als jede einzelne HRV-Messgröße. Dennoch ergänzte HRV diese Basisinformationen nützlich. Personen mit mehr depressiven Symptomen zeigten tendenziell etwas erhöhte Ruheherzfrequenzen und geringere HRV, Hinweise auf ein weniger flexibles Stressreaktionssystem. Das Modell funktionierte in bestimmten Untergruppen etwas besser, etwa bei Menschen mit Adipositas oder aktuell Rauchenden, wo physiologische Unterschiede zwischen depressiven und nicht-depressiven Teilnehmenden ausgeprägter waren.

Warum das im Alltag wichtig sein könnte

Diese Arbeit zeigt, dass eine kurze, kontaktlose Aufnahme mit einer gewöhnlichen Kamera Herzrhythmussignale erfassen kann, die mit der Stimmung verbunden sind, und dass diese Signale, kombiniert mit ein paar einfachen Fragen, moderat Personen markieren können, die möglicherweise eine Depression erleben. Obwohl das derzeitige System nicht genau genug ist, um eine professionelle Beurteilung zu ersetzen, könnte es eines Tages als einfacher erster Schritt dienen – vielleicht eingebettet in ein Smartphone oder eine Telemedizin-Sitzung –, um gefährdete Personen zu einer gründlicheren Versorgung zu bewegen. Einfach gesagt: Ihr Gesicht und Ihr Herzschlag, sicher aus der Ferne gemessen, könnten eine frühe, sanfte Warnung liefern, dass es Zeit ist, mit jemandem über Ihre Gefühle zu sprechen.

Zitation: Jhon, M., Kim, JW., Lee, K. et al. Contactless depression screening via facial video-derived heart rate variability. Transl Psychiatry 16, 49 (2026). https://doi.org/10.1038/s41398-026-03831-y

Schlüsselwörter: Depressionsscreening, Herzratenvariabilität, Gesichtsvideo, Maschinelles Lernen, Technologie für psychische Gesundheit