Schnelltest zum Nachweis von Rot–Grün-Farbsehschwächen mittels einer von einem neuronalen Netz unterstützten Farbbenennungsaufgabe

Warum das im Alltag wichtig ist

Millionen Menschen nehmen Farben anders wahr, ohne es zu bemerken, und herkömmliche Tests der Farbwahrnehmung können langsam, teuer oder schwer anwendbar für Kinder, ältere Menschen oder Personen mit eingeschränkter Mobilität sein. Diese Studie stellt eine schnelle, einfache, computerbasierte Methode vor, um Rot–Grün-Farbsehunterschiede zu erkennen, indem man Menschen lediglich fragt, welche Farbe sie sehen, während ein System der künstlichen Intelligenz stillschweigend ermittelt, ob ihre Wahrnehmung typisch ist oder nicht.

Wie sich die Farbwahrnehmung zwischen Menschen unterscheiden kann

Die menschliche Farbwahrnehmung beruht hauptsächlich auf drei Arten lichtempfindlicher Zellen im Auge, die grob auf lange (rötliche), mittlere (grünliche) und kurze (bläuliche) Wellenlängen abgestimmt sind. Fehlt eine dieser Typen, funktioniert sie nicht oder ist in ihrer Empfindlichkeit verschoben, können bestimmte Farbtöne, vor allem Rot und Grün, verwechselt werden. Manche sind Dichromaten und nutzen nur zwei Zapfentypen, andere sind anomale Trichromaten: Sie haben alle drei Zapfen, aber einer ist verschoben, sodass bestimmte Farben schwerer zu unterscheiden sind. Rot–Grün-Unterschiede betreffen etwa 8 % der Menschen, meist von Geburt an; andere entwickeln Farbsehprobleme später im Leben, etwa durch Augenkrankheiten oder Medikamente.

Grenzen aktueller Farbtauglichkeitstests

Ärztinnen, Ärzte und Arbeitgeber verwenden mehrere Arten von Farbtests. Bekannte Tafeln, bei denen Personen Zahlen oder Formen aus Farbpunkten erkennen, sind gut darin, Probleme zu erfassen, reagieren aber empfindlich auf Beleuchtung und sind nicht immer leicht auf einem Bildschirm darstellbar. Fortgeschrittene digitale Tests, etwa solche mit bewegten farbigen Formen oder die feine manuelle Steuerung erfordern, können die Wahrnehmung detailliert messen, dauern aber oft 20–30 Minuten und erfordern Konzentration sowie gute motorische Fähigkeiten. Andere Tests verlangen, farbige Chips in Reihenfolge zu bringen oder Lichter abzugleichen, was ermüdend sein kann, für Kinder oder ältere Menschen schwierig ist und spezielle Ausrüstung benötigt.

Eine einfache Idee: Nenn einfach, was du siehst

Die Forschenden verfolgten einen anderen Ansatz, der dem Alltag ähnelt: Farbbenennung. Sie zeigten 56 Freiwilligen 182 Farben, entnommen aus natürlichen Szenen — Farbtöne ähnlich denen von Alltagsgegenständen — und baten sie, jede Farbe mit 11 grundlegenden Farbwörtern auf Portugiesisch zu benennen (beispielsweise rot, grün, blau oder braun). Diese Gruppe umfasste Personen mit typischer Farbwahrnehmung sowie mehrere Arten von Rot–Grün-Unterschieden. Statt auf eine menschliche Expertin oder einen Experten zur Auswertung zu setzen, fütterte das Team das Muster der Benennungen in ein neuronales Netz, eine Form künstlicher Intelligenz, die komplexe Muster in Daten erlernen kann.

Was die künstliche Intelligenz gelernt hat

Das neuronale Netz wurde darauf trainiert, drei Analyseebenen vorzunehmen: zunächst einfach zu entscheiden, ob die Farbwahrnehmung einer Person typisch ist oder nicht; zweitens typisches Sehen, Dichromaten und anomale Trichromaten zu unterscheiden; und drittens fünf detaillierte Kategorien zu differenzieren, einschließlich spezifischer Typen des Rot–Grün-Verlusts. Mit dem vollständigen Satz von 182 Farben erkannte das System Personen mit Farbwahrnehmungsunterschieden mit sehr hoher Gesamterfolgsrate: Für das grundlegende Screening lagen sowohl Sensitivität (Betroffene erkennen) als auch Spezifität (Nichtbetroffene nicht fälschlich markieren) über 95 %. Selbst als das Modell versuchte, die Personen in die detaillierteren fünf Gruppen einzuteilen, blieb die Leistung nützlich, wenn auch weniger präzise — was die größere Schwierigkeit dieser Aufgabe widerspiegelt.

Die informativsten Farben finden

Um den Test zu beschleunigen, suchte das Team nach einer kleineren Farbmenge, die den Großteil der nützlichen Information enthält. Sie verwendeten eine Methode, die erklärt, auf welche Eingaben das neuronale Netz am stärksten zurückgreift, und ordneten alle 182 Farben nach Wichtigkeit. Durch wiederholtes Retraining und Testen des Systems mit den besten 5, 10, 15, 20 oder 25 Farben stellten sie fest, dass etwa 20 sorgfältig ausgewählte Farben tatsächlich eine etwas bessere Screening-Leistung als der volle Satz erzielen. Das deutet darauf hin, dass zusätzliche Farben eher Rauschen als Klarheit hinzufügen können und dass ein gestraffter Test auf einem standardisierten kalibrierten Bildschirm in unter zwei Minuten gut durchführbar wäre.

Was das für Gesundheit und Alltagsscreenings bedeutet

Die Studie zeigt, dass eine schnelle, wenig belastende Farbbenennungsaufgabe, automatisch von künstlicher Intelligenz interpretiert, klassische Tafentests beim Erkennen von Rot–Grün-Farbsehunterschieden erreichen oder leicht übertreffen kann, dabei einfacher zu digitalisieren und für viele Anwender komfortabler ist. Weil sie auf gesprochene oder einfache Antworten und statische Bilder setzt, könnte sie nicht nur für routinemäßige Augenuntersuchungen und berufliche Eignungsprüfungen nützlich sein, sondern auch zur Überwachung von Augenkrankheiten oder zur Erforschung von Farbveränderungen im Zusammenhang mit Hirnerkrankungen wie Alzheimer oder Autismus. Alltäglich gesprochen weist die Arbeit in Richtung einer Zukunft, in der ein kurzer, app-basierter Test Farbsehprobleme zuverlässig in nur wenigen Minuten anzeigen könnte.

Zitation: Monteiro, J.A.R., Marques, D.N., Linhares, J.M.M. et al. Rapid test for detecting red–green color vision deficiencies using a neural network-assisted color-naming task. Sci Rep 16, 9987 (2026). https://doi.org/10.1038/s41598-026-38222-2

Schlüsselwörter: Farbsehstörung, Rot–grün-Farbblindheit, Neurales Netz Screening, digitaler Sehtest, Farbbenennung