Gepersonaliseerde door machine learning geleide interventie om leefstijlgedrag bij depressie te optimaliseren: een pilotstudie

Waarom je dagelijkse gewoonten belangrijk zijn voor je stemming

Veel mensen met depressie krijgen te horen dat ze meer moeten bewegen, beter moeten slapen, gezonder moeten eten of meer sociaal moeten zijn, maar het is lastig te weten welke van deze veranderingen daadwerkelijk het meest helpt. Deze studie testte een nieuwe manier om gegevens van smartphones, smartwatches en kunstmatige intelligentie te gebruiken om te ontdekken welke leefstijlgewoonte het sterkst samenhangt met iemands stemming, en bouwde vervolgens een eenvoudig, gepersonaliseerd plan rond dat ene doel.

Een nieuw soort gepersonaliseerde zorg

De onderzoekers voerden een pilotklinische proef uit genaamd Personalized Mood Augmentation, of PerMA, met 50 volwassenen met milde tot matige depressie. In plaats van iedereen hetzelfde advies te geven, verzamelden ze eerst twee tot vier weken echte-wereldinformatie met korte telefoonsurveys en smartwatchgegevens. Deze middelen volgden de stemming gedurende de dag samen met slaappatronen, fysieke activiteit, eetgewoonten en niveaus van sociale verbinding, en creëerden zo een gedetailleerd beeld van hoe iemands dagelijks leven en gevoelens in de loop van de tijd samen bewogen.

De data laten de sleutelgewoonte onthullen

Met deze persoonlijke datastromen bouwde het team voor elke deelnemer een individueel machine learning-model. De taak van het model was te vinden welke leefstijlfactoren het beste voorspellen hoe iemands stemming verandert. Om de resultaten begrijpelijk te maken gebruikten de onderzoekers een methode die de belangrijkste leefstijlfactoren per individu rangschikt. Uit deze ranglijst kozen getrainde gezondheidscoaches één hoofdfocus voor een plan van zes weken: slaap, beweging, dieet of sociale verbinding. Het plan, een geïndividualiseerd mood-augmentatieplan, of iMAP, vertaalde de datapatronen naar praktische stappen die de deelnemer dagelijks kon uitproberen.

Coachingondersteuning en verandering in de echte wereld

Tijdens de zes weken durende interventiefase spraken deelnemers wekelijks ongeveer 20 minuten virtueel met een gezondheidscoach. Coaches waren medische trainees die getraind waren om de gegevens in eenvoudige taal uit te leggen en gedragsverandering te begeleiden met goed onderbouwde leefstijloplossingen, zoals het instellen van vaste bedtijden, het plannen van wandelingen, het verbeteren van maaltijdkeuzes of het plannen van sociale activiteiten. Deelnemers bleven ook dagelijks een korte stemming- en leefstijlcheck invullen zodat de onderzoekers konden volgen hoe stemming en de gerichte gewoonte tijdens de coachingperiode verschoof.

Wat verbeterde wanneer gewoonten werden afgestemd

Veertig deelnemers voltooiden het volledige programma. Gemiddeld daalden hun depressiescores met een hoeveelheid die als een grote verbetering wordt beschouwd, en meer dan de helft voldeed na zes weken niet langer aan de criteria voor depressie. Angstklachten namen af, scores voor kwaliteit van leven stegen en mensen gaven aan zich meer mindful te voelen in het dagelijks leven. Computergestuurde tests lieten verbeterde aandacht en werkgeheugen zien, vaardigheden die vaak zijn verminderd bij depressie. Belangrijk is dat de dag-tot-daggegevens bevestigden dat mensen het meest verbeterden in het ene leefstijldomein dat voor hen was gekozen, en deze gerichte veranderingen waren sterk gekoppeld aan verbeteringen in hun stemming, terwijl niet-gerichte gewoonten minder veranderden.

Vooruitkijken naar bredere toepassing

Deze vroege studie suggereert dat het gebruik van persoonlijke gegevens en eenvoudige AI-hulpmiddelen om mensen te matchen met de leefstijlaanpassing die het meest van invloed is op hun eigen stemming, depressiesymptomen substantieel kan verminderen en denken en kwaliteit van leven kan verbeteren. Omdat de benadering steunt op algemeen beschikbare apparaten en korte coaching, zou het op termijn effectieve, laag-risico hulp op schaal toegankelijker kunnen maken. Grotere, gecontroleerde trials zijn nog nodig, maar de bevindingen wijzen op een toekomst waarin depressiezorg kan worden afgestemd op het ritme en de gewoonten van elk individu.

Bronvermelding: Nan, J., Purpura, S., Jaiswal, S. et al. Personalized machine learning guided intervention for optimizing lifestyle behaviors in depression: a pilot study. NPP—Digit Psychiatry Neurosci 4, 10 (2026). https://doi.org/10.1038/s44277-026-00062-3

Trefwoorden: gepersonaliseerde depressiebehandeling, leefstijlinterventie, machine learning, digitale geestelijke gezondheid, smartwatch stemmingstracking