Maschinenlesbare Kriterien kartieren den Symptomraum psychischer Störungen

Warum es zählt, Worte in Regeln zu überführen

Die Diagnose psychischer Erkrankungen stützt sich auf umfangreiche, sorgfältig ausgehandelte Handbücher wie das DSM-5. Diese Werke beschreiben, welche Symptomkombinationen als Störungen gelten, tun dies aber in narrativer Prosa und nicht in einer Form, die Computer direkt verarbeiten können. Dieser Artikel zeigt, wie man diese verschriftlichten Regeln in eine exakte, maschinenlesbare Karte aller möglichen Symptommuster übersetzt. Diese Karte legt offen, wo diagnostische Kategorien sauber getrennt sind, wo sie ineinander übergehen und wie neue Vorschläge wie Long COVID in bestehende Konzepte passen — oder eben nicht.

Vom Text auf der Seite zur strukturierten Karte

Die Autoren beginnen damit, diagnostische Handbücher als Regelwerke zu behandeln, die sich prinzipiell in einer formalen logischen Sprache schreiben lassen. Jede Störung wird durch Kriterien definiert wie „mindestens fünf von neun Symptomen, darunter entweder depressive Stimmung oder Verlust des Interesses“. Aus solchen Sätzen extrahieren sie die Liste der Symptome, die geforderten Zahlen und die Art, wie diese Elemente mit „und/oder“-Logik kombiniert werden. Anschließend kodieren sie jede gültige, kriteriumsberechtigende Symptombeteiligung — die vollständige Bandbreite der Symptomprofile, die den schriftlichen Regeln für eine Diagnose genügen würden. Jede Kombination wird zu einem binären Muster, das anzeigt, welche Symptome vorhanden, nicht vorhanden oder für diese Störung irrelevant sind. Zusammen ergeben diese Muster einen hochdimensionalen „Symptomraum“, der mathematisch analysiert werden kann.

Prüfen, ob Diagnosen auseinandergehalten werden können

Mit dieser Karte fragen die Autoren etwas Grundlegendes, das selten formalisiert wird: Lassen sich zwei Störungen allein anhand ihrer offiziellen Kriterien unterscheiden? Sie führen zwei Tests ein. Erstens darf es kein einzelnes Symptommuster geben, das gleichzeitig beide Definitionen erfüllt; andernfalls wären die Regeln selbst nicht unterscheidbar. Zweitens darf kein minimales Symptommuster einer Störung eine strikte Teilmenge einer anderen sein, denn das würde bedeuten, eine Definition sei lediglich eine lockerere Version der anderen. Anhand von Modellbeispielen zeigen sie, wie solche Situationen als überlappende oder verschachtelte Bereiche im Symptomraum erscheinen, und veranschaulichen, dass einige scheinbare Überlappungen bei realen Patienten echte Koexistenz unterschiedlicher Regelmengen widerspiegeln, nicht notwendigerweise Fehler in den Definitionen.

Was die Karte über bekannte Störungen zeigt

Das Rahmenwerk wenden die Autoren dann auf reale DSM-5-Kategorien an. Für eine Gruppe von Störungen aus dem Schizophreniespektrum übersetzen sie alle narrativen Regeln in formale Kombinationen und berechnen ein Ähnlichkeitsmaß basierend darauf, wie nah die erlaubten Symptommuster beieinanderliegen. Wie zu erwarten, erscheinen Schizophrenie und schizophreniforme Störung sehr ähnlich, weil sie die meisten Kernsymptome teilen und sich vor allem in der erforderlichen Dauer der Symptome unterscheiden. Die formalen Tests zeigen jedoch, dass ihre Bereiche im Symptomraum keine identischen oder verschachtelten minimalen Muster teilen. Die Visualisierung dieser Kombinationen in zwei Dimensionen bestätigt, dass die Kriterien trotz inhaltlicher Überschneidungen unterschiedliche Bereiche abstecken. Das legt nahe, dass zumindest für diese Beispiele die aktuellen Definitionen logisch kohärent sind und eine sinnvolle Differentialdiagnose unterstützen.

Wo Long COVID in Stimmung und Angst hineinfließt

Die gleiche Methode wird provokativer, wenn sie auf Long COVID angewandt wird, mithilfe einer kürzlichen Konsensbeschreibung, die häufig anhaltende Symptome wie Müdigkeit, kognitive Probleme, Schlafstörungen und Stimmungsschwankungen aufzählt. Nach der Angleichung der Formulierungen an DSM-ähnliche Symptombezeichnungen erzeugen die Autoren alle Long-COVID-kompatiblen Muster und vergleichen sie mit denen mehrerer bestehender Störungen. Sie finden praktisch keine Verbindung zu psychotischen Erkrankungen oder Sprechapparatsstörungen, aber eine sehr starke strukturelle Ähnlichkeit zu Major Depression, persistierender Depression, Panikstörung und generalisierter Angststörung. Entscheidend ist, dass eine überwältigende Mehrheit der gültigen Muster für diese Stimmungs- und Angststörungen auch die Long-COVID-Symptomliste erfüllt. Das bedeutet, die vorgeschlagene Long-COVID-Definition ist weitgehend in bereits etablierten Kategorien enthalten, selbst wenn kein einzelnes Muster exakt identisch ist.

Wie ein berechenbarer Konsens die künftige Versorgung lenken kann

Indem narrative diagnostische Regeln in explizite, überprüfbare Strukturen überführt werden, bietet diese Arbeit einen transparenten Weg, um zu prüfen, ob neue Diagnosen tatsächlich konzeptionell etwas Neues hinzufügen. Für Long COVID deutet die Analyse darauf hin, dass Symptomlisten allein — ohne zusätzliche Einschränkungen wie Zeitkriterien, biologische Marker oder Ausschlussregeln — zu breit sind, um es von Depression und Angst abzugrenzen. Allgemeiner zeigt die Methode, dass, je mehr Kategorien und Kriterien Handbücher ansammeln, menschliches Urteilsvermögen allein nicht zuverlässig alle erlaubten Kombinationen verfolgen kann. Eine maschinenlesbare, regelbasierte Karte des Symptomraums kann Expertenpanels helfen, Definitionen zu verfeinern, Kliniker mit interpretierbaren Entscheidungswerkzeugen unterstützen und das Risiko verringern, dass diagnostische Systeme von dem Konsens abrücken, den sie verkörpern sollen.

Zitation: Strasser-Kirchweger, B., Kutil, R.H., Zimmermann, G. et al. Machine-actionable criteria chart the symptom space of mental disorders. npj Digit. Med. 9, 271 (2026). https://doi.org/10.1038/s41746-026-02451-6

Schlüsselwörter: diagnostische Kriterien, Klassifikation psychischer Gesundheit, berechenbare Medizin, Long-COVID-Symptome, klinische Entscheidungsunterstützung