26.02.2024

©MCML & C. S. Vetter - LMU

Get to Know MCML Junior Member Clara Sophie Vetter

Created During the First MCMLxDJS-Workshop

This article was written by Ida Morganti, from the Deutsche Journalistenschule (DJS). It was created in a workshop together with DJS. Talented journalism students met some of MCML`s junior researchers and got a glimpse of their work. The result: One article about the research of each junior member that took part at the workshop written by one journalism student. We will upload one article each Tuesday. Stay tuned for some more insights.

Algorithmus für die Seele

Die Psychologin Clara Sophie Vetter will herausfinden, wie Depression und Psychose zusammenhängen – mit Hilfe von Künstlicher Intelligenz.

Depression, Angststörung, Schizophrenie: Vor vielen Jahren hat man angefangen, psychische Krankheiten in diese Kategorien einzuordnen. Wenn du eine Bronchitis hast, können die Ärzte Fieber messen, Schleim beim Husten sehen und das Pfeifen beim Atmen hören. Angst, Halluzinationen oder Suizidgedanken sind hingegen nicht direkt sichtbar. Jeder Mensch nimmt die Symptome anders wahr und berichtet unterschiedlich davon. Deshalb ist die Einteilung der psychischen Krankheiten nicht ganz eindeutig. Sie lassen sich gar nicht so strikt voneinander abgrenzen, wie die Wissenschaft früher gedacht hat.

Heutzutage können wir uns die Gehirne und die Genetik der Patienten ansehen und haben festgestellt, dass es viele Überschneidungen zwischen psychischen Krankheiten gibt: in der Entstehung, den Symptomen und den Auswirkungen. Oft haben Patienten mit einer Psychose auch Symptome einer Depression – oder andersherum. In meinem aktuellen Projekt untersuche ich, wie Depressionen und Angststörungen mit dem Risiko einer Psychose zusammenhängen. Dabei helfen mir moderne Verfahren der künstlichen Intelligenz, genauer gesagt: das Machine Learning.

Schon seit meinem Bachelor in Freiburg arbeite ich an der Schnittstelle zwischen Psychologie und Informatik. Für den Master bin ich nach Amsterdam gezogen und habe dort Neuropsychologie und Data Science studiert. Jetzt forsche ich am Munich Center for Machine Learning, einer Forschungsinitiative der LMU und TU München, die künstliche Intelligenz für verschiedene Anwendungsbereiche entwickelt. In meiner Arbeitsgruppe „Precision Psychiatry“ am Klinikum der LMU untersuchen wir unter anderem, wie sich das Gehirn verändert, wenn ein Mensch eine psychische Erkrankung entwickelt. Dazu schauen wir uns Struktur und Funktion des Hirns an, um herauszufinden, ob man die Krankheiten früher erkennen oder den Krankheitsverlauf vorhersagen könnte.

Die künstliche Intelligenz kann uns dabei helfen, große Datenmengen auszuwerten, Muster zu erkennen und neues Wissen zu erzeugen. Beim Machine Learning werden Systeme entwickelt, die aus Daten lernen. Je mehr Beispiele das System bekommt, desto intelligenter wird es. Diesen Vorgang nennt man „trainieren“: Statt Sport füttern wir es mit Informationen. Algorithmen bilden daraus ein statistisches Modell. Mit solchen Modellen können wir dann zum Beispiel in 3D-Bildern des Gehirns, sogenannten MRT-Scans, Zusammenhänge erkennen. In meinem aktuellen Projekt arbeite ich mit zwei dieser Modelle. Sie wurden mit Daten von Patienten trainiert, die ein hohes Risiko haben, eine Psychose zu entwickeln. Mithilfe der MRT-Scans versuchen sie vorherzusagen, ob Patienten in den nächsten eineinhalb Jahren eine Psychose entwickeln. Außerdem kann ich daran ablesen, wie gut die Patienten noch am sozialen Leben teilhaben werden, also Freundschaften führen, Hobbys oder einer Arbeit nachgehen.

Dieselben Modelle möchte ich auch auf Daten einer niederländischen Studie zu Patienten mit Depression und Angststörung anwenden. Patienten mit diesen beiden Krankheiten leiden oft unter ähnlichen Symptomen und zeigen vergleichbare strukturelle Veränderungen im Gehirn. Viele haben beide Diagnosen gleichzeitig. Mit dem Projekt wollen wir erforschen, welche Gründe es für die Unterschiede gibt. Diese Art der Forschung ist sehr wichtig für die Medizin: Wenn wir verstehen, wie psychische Krankheiten zusammenhängen, können die Patienten in Zukunft besser und gezielter behandelt werden.

Ich arbeite gerne in der Forschung, weil ich mich mit den Themen beschäftigen kann, die mich interessieren. Nach der Promotion kann ich mir vorstellen, in der Wissenschaft zu bleiben oder in die Wirtschaft zu gehen. Die Möglichkeiten von Machine Learning sind bereits jetzt wahnsinnig vielfältig – und werden in Zukunft sicher viele Bereiche unseres Lebens bestimmen.

26.02.2024