Verwendung von Wearable-Daten zur Erkennung der Schwere einer Depression in klinischen und nicht-klinischen Stichproben

Warum Ihr Fitness-Tracker mehr verraten könnte als nur Schritte

Viele Menschen tragen heute Smartwatches oder Fitnessbänder, um Schritte zu zählen und den Schlaf zu überwachen. Diese Studie stellt eine eindrückliche Frage: Könnten dieselben Geräte unauffällig signalisieren, dass jemand möglicherweise mit Depression zu kämpfen hat, noch bevor er Hilfe sucht? Durch die Analyse alltäglicher Muster von Herzfrequenz, Bewegung und Schlaf untersuchten die Forschenden, ob Verbraucher-Wearables helfen könnten, Personen mit einem höheren Ausmaß an depressiven Symptomen sowohl bei Studierenden als auch bei Patientinnen und Patienten in Behandlung zu erkennen.

Zwei Gruppen, ein gemeinsames Gerät

Um diese Idee zu prüfen, kombinierten die Forschenden Daten aus zwei sehr unterschiedlichen Gruppen, die alle zwei Wochen lang dasselbe Garmin-Armband trugen. Eine Gruppe bestand aus Studierenden in den Niederlanden, von denen die meisten nicht in psychotherapeutischer Behandlung waren. Die andere stammte aus einer deutschen Universitätsklinik, in der Patientinnen und Patienten wegen diagnostizierter Depressionen behandelt wurden. Alle Teilnehmenden füllten zudem einen kurzen standardisierten Fragebogen zur Stimmung aus; anhand der Punkte wurden die Teilnehmenden in „screen-positiv für Depression“ oder „nicht screen-positiv“ eingeordnet. Dieses Setup ermöglichte es zu prüfen, ob Wearable-Signale zwischen Personen mit höheren und niedrigeren Symptomen sowohl im Alltag als auch im klinischen Kontext unterscheiden können.

Alltägliche Rhythmen in aussagekräftige Signale verwandeln

Die Armbänder zeichneten grundlegende Merkmale auf, die viele Fitness-Tracker messen: wie viele Schritte Personen pro Tag machten, wie lange sie schliefen, wann sie zu Bett gingen und aufstanden und wie sich ihre Herzfrequenz im Wach‑ und Schlafzustand verhielt. Statt einzelne Tage zu betrachten, fassten die Forschenden zwei Wochen Daten pro Person zusammen und erfassten nicht nur Mittelwerte, sondern auch die tägliche Variabilität dieser Muster. Anschließend verwendeten sie eine Art statistisches Modell, das häufig im maschinellen Lernen eingesetzt wird und viele zusammenhängende Prädiktoren gleichzeitig verarbeiten kann, um zu prüfen, ob eine Kombination dieser Merkmale korrekt klassifizieren kann, wer als stärker symptombehaftet eingestuft wurde.

Was die Wearables offenbarten

Über alle 282 Teilnehmenden hinweg zeigte das Modell eine gute Leistung: In den zurückgehaltenen Testdaten unterschied es in etwa vier von fünf Fällen korrekt zwischen höher- und niedriger-symptomischen Gruppen. Drei Arten von Signalen hoben sich hervor. Personen mit unregelmäßigem Schlaf — also stärkeren Schwankungen in der Schlafdauer von Nacht zu Nacht — gehörten häufiger zur Gruppe mit stärkeren Symptomen. Wer an seinen aktivsten Tagen niedrigere Spitzen bei der Schrittzahl erreichte, zeigte ebenfalls tendenziell stärkere Symptome, was frühere Befunde zur Verbindung zwischen Depression und verringerter körperlicher Aktivität bestätigt. Schließlich waren Individuen, deren niedrigster Tagesschlag besonders niedrig war, eher in der höher-symptomatischen Gruppe, was auf veränderte körperliche Erregung oder Energiezustände hinweisen könnte, die mit Depression einhergehen.

Wen Sie sind vs. wie Sie leben

Die Forschenden prüften zudem, wie stark die Vorhersage allein davon abhing, welcher Gruppe eine Person angehörte — Studierende oder Klinikpatientinnen/-patienten. Die Gruppenzugehörigkeit war an sich bereits ein starker Hinweis, da die ambulante Stichprobe im Durchschnitt deutlich höhere Depressionswerte aufwies als die Studierenden. Wenn jedoch Wearable-Merkmale zu Modellen hinzugefügt wurden, die die Gruppenzugehörigkeit bereits kannten, verbesserte sich die Gesamtleistung. Anders ausgedrückt: Wie jemand schlief, sich bewegte und wie sich seine Herzfrequenz verhielt, lieferte zusätzliche Informationen über die grundlegenden Hintergrundfaktoren hinaus. Folgeanalysen, die für Alter, Schlafenszeit oder leicht unterschiedliche Schwellen im Stimmungsfragebogen korrigierten, zeigten ähnliche Ergebnisse, wobei die wichtigsten Signale sich etwas in Richtung Schlafzeitpunkt und Muster der Ruheherzfrequenz verschoben.

Versprechen, mit wichtigen Vorbehalten

Obwohl die Ergebnisse ermutigend sind, betonen die Autorinnen und Autoren, dass heutige Wearable-Daten kein eigenständiges Diagnoseinstrument darstellen. Viele Teilnehmende, insbesondere aus der klinischen Gruppe, mussten ausgeschlossen werden, weil ihre Geräte nicht genügend Daten lieferten, und die endgültige Stichprobe kontrastierte hauptsächlich Personen mit klarer Depression gegenüber überwiegend gesunden Studierenden. Das bedeutet, dass das Modell weniger getestet ist, um subtile oder frühe Stimmungsveränderungen zu erfassen. Unterschiede in Alter, akademischem Stress und anderen Lebensumständen zwischen den Gruppen könnten die Muster ebenfalls beeinflusst haben. Die Arbeit zeigt, dass alltägliche Rhythmen, die gängige Geräte erfassen, aussagekräftige Aspekte der psychischen Gesundheit widerspiegeln können, aber für wirklich verlässliche Anwendungen im Alltag sind größere und diversere Studien erforderlich.

Was das für den Alltag bedeutet

Für Laien lautet die wichtigste Schlussfolgerung, dass Veränderungen in Schlafregelmäßigkeit, Bewegung und dem körperlichen „Ruhezustand“ messbare Spuren hinterlassen, die Smartwatches erkennen können. In dieser Studie halfen solche Spuren dabei, Personen mit höheren Depressionssymptomen sowohl in Studierenden- als auch in Patientengruppen zu identifizieren. Künftig könnten ähnliche Methoden frühe Warnsysteme unterstützen, die Individuen oder Klinikerinnen und Klinikern signalisieren, wenn Muster beginnen, denen zu ähneln, die mit Depressionen verbunden sind, und so rechtzeitige Gespräche oder Untersuchungen anstoßen. Für den Moment ist die Botschaft hoffnungsvoll, aber vorsichtig: Ihr Fitness-Tracker beginnt, Hinweise auf Ihre psychische Gesundheit zu erkennen, ist aber noch nicht bereit, eine Fachperson oder Ihre eigene Stimme beim Einholen von Hilfe zu ersetzen.

Zitation: Hehlmann, M.I., Tutunji, R., Lutz, W. et al. Using wearable data to detect depression severity across clinical and non-clinical samples. Sci Rep 16, 11380 (2026). https://doi.org/10.1038/s41598-026-47177-3

Schlüsselwörter: Wearable-Geräte, Depressions­erkennung, Schlaf- und Aktivitätsmuster, digitale psychische Gesundheit, passives Sensing