Auf dem Weg zu einem sprachbasierten digitalen Biomarker für kognitive Beeinträchtigungen: Sprache als Stellvertreter für kognitive Tests

Warum Alltagsgespräche Aufschluss über die Gehirngesundheit geben können

Die meisten von uns halten Plaudern mit Freunden oder das Beschreiben eines Bildes für selbstverständlich. Doch mit zunehmendem Alter können sich subtile Veränderungen darin zeigen, wie wir Wörter wählen, Sätze bilden und Pausen zwischen Phrasen setzen — und diese Veränderungen können einen Hinweis darauf geben, wie gut unser Gehirn funktioniert. Diese Studie stellt eine einfache, aber bedeutungsvolle Frage: Könnte eine kurze Aufnahme gewöhnlicher Sprache, zu Hause mit einem Laptop aufgezeichnet, als Frühwarnzeichen für Probleme wie Demenz dienen — ohne lange Klinikbesuche und Papier‑und‑Stift‑Tests?

Zuhören statt langwieriger Tests

Heute beruht die Diagnose kognitiver Abnahme meist auf persönlichen Untersuchungen durch Spezialisten. Diese Sitzungen sind zeitaufwendig, teuer und lassen sich nur schwer häufig oder in großem Maßstab wiederholen. Gleichzeitig sind Millionen älterer Menschen von Erkrankungen wie der Alzheimer‑Krankheit bedroht, bei denen frühe Erkennung wichtig ist: Medikamente und Änderungen des Lebensstils wirken meist am besten, bevor schwere Symptome auftreten. Sprache ist eine attraktive alternative Informationsquelle. Sie ist günstig aufzunehmen, kann aus der Ferne erfasst werden und spiegelt auf natürliche Weise viele geistige Fähigkeiten wider, von Gedächtnis über Aufmerksamkeit bis hin zu Planung. Die Forschenden wollten prüfen, ob kurze, alltägliche Sprachproben als „digitaler Biomarker“ für kognitive Gesundheit dienen könnten.

Alltägliche Sprache in messbare Signale verwandeln

Das Team rekrutierte 1003 Englisch sprechende Erwachsene im Alter von 60 Jahren und älter aus den USA und Großbritannien. Die Teilnehmenden absolvierten standardisierte Online‑Denktests, die vier breite Bereiche maßen: Sprache, exekutive Funktionen (Planung und mentale Flexibilität), Gedächtnis und Verarbeitungsgeschwindigkeit. Außerdem führten sie drei einfache Sprechaufgaben zu Hause durch: die Beschreibung von zwei bekannten Schwarzweißszenen, die in klinischen Sprachtests verwendet werden, sowie das Berichten über ihre vergangene Woche. Mithilfe automatischer Spracherkennungssoftware wandelten die Forschenden Audio in Text um und extrahierten dann Dutzende messbarer Eigenschaften aus Klang und Sprache — etwa wie schnell Menschen sprechen, wie häufig sie pausieren, wie vielfältig ihr Wortschatz ist und wie oft sie verschiedene Wortarten wie Substantive, Verben oder Pronomen verwenden.

Computern beibringen, Denkfähigkeiten abzuschätzen

Mit diesen Sprachmerkmalen trainierten die Forschenden maschinelle Lernmodelle, um die kognitiven Testergebnisse jeder Person vorherzusagen. Sie verglichen Modelle, die nur grundlegende Hintergrundinformationen (Alter, Geschlecht, Bildung und Land) verwendeten, mit Modellen, die zusätzlich Sprachmerkmale nutzten. Das Hinzufügen von Sprache machte einen deutlichen Unterschied: Für die Sprachfähigkeit erklärte das sprachbasierte Modell etwa 27 % der Unterschiede zwischen den Personen — mehr als das Vierfache dessen, was allein die demografischen Daten leisten konnten. Es erfasste auch einen bedeutenden Anteil der Variationen in exekutiven Funktionen und Verarbeitungsgeschwindigkeit, wenn auch deutlich weniger beim Gedächtnis. Detaillierte Analysen zeigten, dass ein reicher, spezifischer Wortgebrauch und flüssigere, geschmeidigere Darbietung (schnellere Sprechgeschwindigkeit und weniger oder kürzere Pausen) tendenziell mit besseren Testergebnissen einhergingen.

Personen erkennen, die nachlassen könnten

Über die Abschätzung von Punktwerten auf einer Skala hinaus fragten die Forschenden, ob Sprache helfen könnte, Personen zu markieren, deren Leistung im Verhältnis zu ihrem Alter und ihrer Bildung unerwartet niedrig war — Menschen, die ein höheres Risiko für die Entwicklung von Demenz haben könnten. Mit denselben Sprachmerkmalen trainierten sie ein separates Modell, um diese „kognitiven Low‑Performer“ von anderen zu unterscheiden. Besonders bei der Sprachfähigkeit zeigte das Modell eine gute Screening‑Leistung, was bedeutet, dass eine einfache Bildbeschreibungsaufnahme helfen könnte, eine Untergruppe älterer Erwachsener zu identifizieren, die eine genauere klinische Abklärung verdienen oder starke Kandidaten für die Teilnahme an Behandlungsstudien sein könnten.

Das Verfahren an echten Patientinnen und Patienten testen

Um zu prüfen, ob ihre Modelle klinisch relevante Unterschiede erfassten, wandten die Forschenden diese, ohne Nachtraining, auf einen unabhängigen Datensatz von Menschen mit Alzheimer‑Krankheit und gesunden Vergleichspersonen an, die dieselbe Bildbeschreibungsaufgabe Jahrzehnte zuvor durchgeführt hatten. Obwohl die Aufnahmen älter und rauschbehafteter waren, fielen die sprachbasierten Werte für die Alzheimer‑Gruppe in allen vier kognitiven Bereichen deutlich niedriger aus, insbesondere bei Sprache und exekutiven Funktionen. Das legt nahe, dass die aus einer großen Gruppe überwiegend gesunder älterer Erwachsener gelernten Muster auch auf Patientinnen und Patienten mit diagnostizierter Demenz anwendbar sind.

Was das für die tägliche Versorgung bedeuten könnte

Für Nicht‑Spezialisten lautet die zentrale Botschaft: Kurze Proben gewöhnlicher Sprache enthalten überraschend viele Informationen darüber, wie gut das Gehirn einer älteren Person funktioniert, insbesondere in Bezug auf Sprache und höhere Denkfunktionen. Diese Methode kann eine vollständige klinische Untersuchung nicht ersetzen — und ist für das Gedächtnis allein weniger aussagekräftig — sie könnte jedoch zu einer kostengünstigen, wenig aufdringlichen Möglichkeit werden, Veränderungen über die Zeit zu überwachen, rechtzeitige Vorsorgeuntersuchungen anzustoßen und Forschenden dabei zu helfen, geeignete Teilnehmende für klinische Studien zu finden. In Zukunft könnte ein routinemäßiger Telefon‑ oder Videoanruf unauffällig analysieren, wie wir sprechen, und lange bevor ernsthafte Probleme sichtbar werden einen frühen Hinweis geben, ärztliche Hilfe zu suchen.

Zitation: Heitz, J., Engler, I.M. & Langer, N. Towards a speech-based digital biomarker for cognitive impairment: speech as a proxy for cognitive assessment. npj Digit. Med. 9, 179 (2026). https://doi.org/10.1038/s41746-026-02360-8

Schlüsselwörter: sprachbasierte kognitive Screenings, digitale Biomarker, Alzheimer-Krankheit, Altern und Demenz, Maschinelles Lernen in der Medizin