Multimodale phänotypische Klassifizierung von generalisierter Angst und Panik mithilfe struktureller MRT-Daten und psychosozialer Faktoren: Machine-Learning-Ergebnisse aus der Deutschen Nationalen Kohorte (NAKO)-Studie

Warum Sorgen und Panik den Alltag beeinflussen

Viele Menschen leben mit dauerhaftem Sorgen oder plötzlichen Angstwellen, die scheinbar aus dem Nichts auftreten. Diese Erfahrungen, bekannt als generalisierte Angst und Panikattacken, können Energie rauben, Arbeit und Familienleben stören und das Risiko für andere Gesundheitsprobleme erhöhen. Diese Studie stellte eine einfache, aber wichtige Frage: Was sagt uns mehr darüber, wer mit diesen Zuständen zu kämpfen hat — die Lebensgeschichte und aktuelle Belastungen einer Person oder detaillierte Aufnahmen ihres Gehirns?

Blick auf Psyche und Gehirn

Die Forschenden nutzten Daten von mehr als 26.000 Erwachsenen aus der Deutschen Nationalen Kohorte, einer großen Gesundheitsstudie. Teilnehmende beantworteten Fragen zu Angst, Panikattacken, Depression, täglichem Stress, Rauchen sowie zu Missbrauchs- oder Vernachlässigungserfahrungen in der Kindheit. Zudem erhielten sie hochauflösende Hirnscans, die Größe und Dicke von 246 verschiedenen Hirnregionen maßen. Mit modernen Computerverfahren des Machine Learning versuchte das Team, Algorithmen beizubringen, Menschen mit ausgeprägten Angstsymptomen oder Panikattacken von denen ohne zu unterscheiden.

Lebens­erfahrungen sprechen lauter als Gehirnscans

Wenn die Modelle sich nur auf Gehirnscans stützten, waren sie kaum besser als Zufall. Im Gegensatz dazu waren Modelle, die nur psychosoziale Informationen wie Depressionswerte, aktuellen Stress und Kindheitstrauma nutzten, sehr präzise darin, Personen mit hohen Werten an generalisierter Angst oder Panikattacken zu identifizieren. Insbesondere Depressions‑ und Stresssymptome, eine Vorgeschichte schwieriger Kindheitserfahrungen sowie weibliches Geschlecht gehörten zu den stärksten Hinweisen. Panikattacken und generalisierte Angst sagten sich außerdem gegenseitig voraus, was widerspiegelt, wie häufig sie zusammen auftreten.

Was Gehirnscans dennoch beitragen

Die Hinzunahme von Hirndaten zu den psychosozialen Informationen steigerte die Gesamtgenauigkeit nicht, verbesserte aber die Modelle darin, Fehlalarme zu vermeiden. Anders gesagt: Die Kombination aus Hirnstruktur und Lebensgeschichte half dem System, zuverlässiger Personen zu erkennen, die wahrscheinlich keine klinisch relevante Angst oder Panik haben. Bestimmte Hirnareale traten wiederholt als hilfreiche Puzzleteile auf, vor allem Regionen, die an Furcht und Aufmerksamkeit beteiligt sind, etwa Teile der Amygdala und ein Areal seitlich im Frontallappen, das Denken und Sorgen unterstützt. Diese Gehirnmerkmale waren jedoch subtil und wurden erst informativ, wenn sie gemeinsam mit vielen anderen Faktoren betrachtet wurden.

Warum das für Versorgung und Forschung wichtig ist

Die Ergebnisse unterstreichen, dass einfache Werkzeuge, die bereits in Kliniken verfügbar sind — etwa kurze Fragebögen zu Stimmung, Stress und vergangener Belastung — nach wie vor der stärkste Weg sind, um Personen mit Risiko für schwere Angst und Panik zu erkennen. Gehirnscans allein sind noch nicht bereit, als eigenständige Tests zu dienen. Dennoch legt die Studie nahe, dass die Hirnstruktur zusätzliche, feinkörnige Informationen enthalten kann, die Risikoschätzungen verfeinern — besonders beim Ausschluss von Problemen oder bei der Definition von Patientengruppen. Größere und diversere, prospektive Studien, die weitere biologische Messungen ergänzen, könnten solche multimodalen Ansätze eines Tages in nützliche Leitlinien für individuellere Behandlungen verwandeln.

Das Fazit für Leser

Vorläufig gilt: Was Menschen über ihre Gefühle, ihren Stress und ihre Lebensgeschichte berichten, sagt Ärztinnen und Ärzten deutlich mehr über generalisierte Angst und Panik als ein struktureller Hirnscan. Bildgebung liefert kleinere, unterstützende Hinweise statt eindeutiger Antworten. Diese Arbeit deutet darauf hin, dass der beste Weg darin besteht, sorgfältigem Zuhören mit klugem Einsatz von Hirn‑ und biologischen Daten zu kombinieren — mit dem Ziel, eines Tages eine individuellere Versorgung zu bieten, ohne sich auf Gehirnscans als magische Angstdetektoren zu verlassen.

Zitation: Gutzeit, J., Weiß, M., Kuhn, T. et al. Multimodal phenotypic classification of generalized anxiety and panic using structural MRI data and psychosocial factors: machine learning results from the German National Cohort (NAKO) study. Transl Psychiatry 16, 287 (2026). https://doi.org/10.1038/s41398-026-04131-1

Schlüsselwörter: generalisierte Angst, Panikattacken, psychosoziale Faktoren, Gehirn-MRT, Machine Learning