Forschung · 2026-07-27 · 1 Min. Preprint, nicht peer-reviewed
Ein EEG-Klick reicht dem Netz
Ein Deep-Learning-Modell trennt Schizophrenie-Patienten von Gesunden anhand roher Hirnstromkurven besser als jede etablierte Kennzahl.
Das Preprint auf medRxiv, noch ohne Peer Review, testet fünf neuronale Netze an Trial-Level-Wellenformen aus einem auditorischen Oddball-Paradigma, in dem seltene Töne unter häufigen versteckt werden. 258 Patienten, 142 Kontrollen, sauberer Split zwischen Training, Validierung und Test, demografische Residualisierung nur im Trainingssatz. Die Netze erreichen AUROC-Werte zwischen 0,797 und 0,857, während klassische Modelle mit 18 handgemachten ERP-Kennzahlen bei 0,705 bis 0,720 hängenbleiben. Die etablierten Marker, jahrzehntelang der Goldstandard der biologischen Psychiatrie, tragen offenbar weniger Information als die rohe Kurve, aus der sie destilliert wurden. Der Feature-Katalog war die ganze Zeit die Engstelle, nicht das Signal.
Die Psychiatrie hat drei Jahrzehnte lang das Falsche gemessen, weil sie messen wollte, was sich beschreiben lässt.
Quelle: medRxiv Psychiatry