Digitale Biomarker für die Gehirngesundheit: passive und kontinuierliche Bewertung durch tragbare Sensoren

Warum Ihre Uhr helfen könnte, Ihren Verstand zu schützen

Viele von uns tragen bereits Geräte, die Schritte zählen, den Schlaf überwachen und den Herzschlag prüfen. Diese Studie stellt eine einfache, aber weitreichende Frage: Können diese leisen Datenströme auch zeigen, wie es um unser Gedächtnis, unsere Aufmerksamkeit und unsere Stimmung von Tag zu Tag bestellt ist? Wenn ja, könnte die Gehirngesundheit kontinuierlich und unaufdringlich im Hintergrund verfolgt werden, lange bevor ernsthafte Probleme auftreten.

Das Gehirn beobachten ohne Tests

Anstatt Menschen für lange, ermüdende Bewertungen ins Labor zu bringen, begleiteten die Forschenden 82 mittelalte und ältere Erwachsene in der Schweiz und Frankreich über zehn Monate im Alltag. Alle trugen eine handelsübliche Smartwatch und nutzten eine Smartphone-App. Die Geräte zeichneten automatisch Bewegung, Herzrhythmus, Schlafmuster, Wetter und Luftqualität in der Umgebung jeder Person auf. Alle drei Monate absolvierten die Teilnehmenden zudem Online-Aufgaben, die verschiedene Denkfähigkeiten maßen — etwa Gedächtnis, Geschwindigkeit und Flexibilität — und füllten Fragebögen zu Gefühlen wie Stress, Angst und Stimmung aus. Insgesamt versuchte das Team, 21 solcher gehirnbezogenen Ergebnisse allein anhand der passiv gesammelten Daten vorherzusagen.

Tägliche Signale in Hinweise aufs Gehirn verwandeln

Um Körper und Umwelt mit dem Geist zu verknüpfen, bereinigte das Team zunächst die Daten, um sicherzustellen, dass die Geräte regelmäßig getragen wurden — im Durchschnitt standen an mehr als 96 % jedes Tages gültige Informationen zur Verfügung. Danach fassten sie die Rohsensorwerte in einfache Tageskennzahlen zusammen, etwa durchschnittliche Herzfrequenz über 24 Stunden, Zeit in Tiefschlafphasen, zurückgelegte Schritte sowie typische Temperatur- oder Luftschadstoffwerte. Mithilfe verschiedener Arten von Machine‑Learning-Modellen trainierten sie Computerprogramme, um zu lernen, wie Kombinationen dieser Signale mit den Denktestergebnissen und den selbstberichteten Gefühlen jeder Person zusammenhängen. Die Modelle prüften sie auf zwei anspruchsvolle Arten: indem sie Unterschiede zwischen Personen vorhersagten und indem sie vorhersagten, wie sich dieselbe Person von einer Dreimonatswelle zur nächsten veränderte.

Wie gut funktionierten die unsichtbaren Tests?

Die Modelle konnten alle 21 Denk‑ und Stimmungsergebnisse mit moderatem Fehler vorhersagen, meist im Bereich von etwa 3 % bis 25 % der vollen Messspanne. Alltägliche Gefühle — wie Stress, Angst, positive und negative Stimmung — ließen sich im Allgemeinen leichter vorhersagen als Leistungen bei zeitgebundenen Denkaufgaben. Beispielsweise lagen die Computerschätzungen zu Depression oder Angsthaftigkeit im Mittel nur um einstellige Prozentsätze daneben, während komplexere Fähigkeiten wie verbale Flüssigkeit schwerer abzubilden waren. Verglichen mit einer sehr einfachen Strategie, die immer den Mittelwert für alle vorhersagte, schnitten die komplexeren Modelle für einige spezifische Denkfähigkeiten wie Aufmerksamkeit und kognitive Flexibilität klar besser ab und waren für die meisten anderen Ergebnisse zumindest ebenso stabil. Das deutet darauf hin, dass passive Daten echte Informationen über die Gehirngesundheit enthalten, auch wenn die aktuellen Datensätze noch zu klein sind, um durchgängig starke Verbesserungen für jede Messgröße zu zeigen.

Was am wichtigsten ist: Luft, Wetter, Schlaf und Herzschlag

Eine zentrale Frage ist nicht nur, ob Vorhersagen möglich sind, sondern welche Signale die nützlichsten Hinweise liefern. Die Analyse zeigte, dass Umweltbelastungen und herzbezogene Messwerte oft am wichtigsten waren. Wetterbedingungen und Luftschadstoffe — etwa Temperatur, Ozon und Feinstaub — spielten eine besondere Rolle dabei, zu erklären, warum manche Personen bei Denktests tendenziell höher oder niedriger abschnitten als andere. Rund‑um‑die‑Uhr-Herzfrequenzmuster, Schlafqualität und körperliche Aktivität halfen zu erklären, wie sich das Denken und die Stimmung einer bestimmten Person im Zeitverlauf veränderten. Besonders bei stimmungsbezogenen Ergebnissen wirkten Bewegung und Umweltfaktoren zusammen: Aktive Tage in saubererer, milderer Luft standen häufiger mit besseren emotionalen Zuständen in Verbindung. Dieses Bild passt zu früheren Arbeiten, die zeigen, dass verschmutzte, unangenehme Umgebungen das Gehirn langfristig belasten, während gestörter Schlaf und stressbedingte Herzrhythmen mit tageweisen Einbrüchen von Stimmung und Konzentration zusammenhängen.

Von reaktiver Versorgung zu Frühwarnungen

Die Studie hat Grenzen: Die Teilnehmenden waren generell gut gebildet, stammten aus einer engen geografischen Region und waren frei von diagnostizierten psychischen Erkrankungen, daher gelten die Ergebnisse möglicherweise noch nicht für vielfältigere oder gefährdete Gruppen. Die Modelle nutzten außerdem Tageszusammenfassungen statt minutengenauer Details und verfolgten natürliche Schwankungen statt klarer Krankheitssignale. Dennoch zeigen die Ergebnisse, dass einfache, weit verbreitete Geräte bedeutsame Veränderungen in unserem Denken und Fühlen diskret widerspiegeln können. Im Laufe der Zeit könnten solche „digitalen Biomarker“helfen, eine persönliche Basislinie der Gehirngesundheit zu etablieren und subtile Abweichungen davon zu melden — was eine genauere Untersuchung weit vor dem Auftreten schwerer Gedächtnisverluste oder Stimmungserkrankungen anstoßen würde. Diese Werkzeuge sollen Ärztinnen und Ärzte nicht ersetzen, sondern als wenig belastende Frühwarnsysteme dienen und eine präventivere, personalisierte Versorgung der Gehirngesundheit über die Lebensspanne hinweg unterstützen.

Zitation: Matias, I., Haas, M., Daza, E.J. et al. Digital biomarkers for brain health: passive and continuous assessment from wearable sensors. npj Digit. Med. 9, 197 (2026). https://doi.org/10.1038/s41746-026-02340-y

Schlüsselwörter: digitale Biomarker, tragbare Sensoren, Gehirngesundheit, Kognition und Stimmung, passive Überwachung