Cambridge – Ein Allgemeinarzt liegt Studien zufolge bei der Diagnose Depression in etwa 42 Prozent der Fälle richtig. Eine bessere Trefferquote soll ein Computerprogramm haben, dass Fotos von Instagram-Usern auswertet. Die entscheidenden Parameter stellen zwei Forscher in EPJ Data Science vor (2017; doi: 10.1140/epjds/s13688-017-0110-z).
Von 166 Nutzern der Social-Media-Plattform erhielten 70 Prozent anhand ihrer Fotos die richtige Diagnose Depression. Das lernfähige Computerprogramm analysierte dafür 43.950 Fotos anhand der Farbe, Metadaten und Gesichtserkennungs-Algorithmen.
Die Fotos der 71 Teilnehmer, bei denen ein Arzt bereits eine Depression diagnostiziert hatte, zeigten besondere Eigenschaften im Gegensatz zu Instagram-Usern ohne Diagnose: Die Farben waren dunkler mit einem Blau- oder Graustich und sie wurden häufiger kommentiert. Zudem bevorzugen depressive Menschen Bilder mit Gesichtern. Insgesamt waren jedoch bei gesunden Instagram-Usern mehr Gesichter abgebildet.
Eine Frage der Filter
Depressive Teilnehmer nutzten seltener Filter – und falls doch, dann wendeten sie einen Filter an, der ein buntes in ein schwarz-weißes Bild umwandelte (Inkwell-Filter). Die gesunde Kontrollgruppe favorisierte den Valencia-Filter, der Bilder aufhellt. Insgesamt posteten sie in einer höheren Frequenz, sagt Christopher Danforth, Koautor von der University of Vermont.
Die Diagnose war sogar dann noch treffsicher, wenn ausschließlich Fotos in die Computeranalyse einflossen, die vor der offiziellen Diagnose gepostet wurden. Weniger hilfreich waren die Bewertungen von anderen Nutzern. Ob diese das Bild mit einem lachenden, verärgerten oder weinenden Emoticon markiert hatten, ließ keine Rückschlüsse auf das Seelenleben des Instagramm-Nutzers zu.
"Man stelle sich eine App vor, die den Arzt benachrichtigt, um einen Check-up-Termin zu vereinbaren, wenn sich das Verhalten entsprechend ändert – noch bevor man selber das Problem erkannt hat" Christopher Danforth, University of Vermont
Die Forscher erhoffen sich von ihren Erkenntnissen eine neue Screening-Möglichkeit für psychische Krankheiten. Danford ist überzeugt, dass Algorithmen von Social-Media-Profilen ein großes Potenzial für Frühwarnsysteme bei psychischen Erkrankungen haben. „Man stelle sich eine App vor, die den Arzt benachrichtet, um einen Check-up-Termin zu vereinbaren, wenn sich das Verhalten entsprechend ändert – noch bevor man selber das Problem erkannt hat“, sagt Danford.
Die Aussagekraft der Studie stößt jedoch an Grenzen. Zum einen aufgrund der umfänglichen Definition des Krankheitsbildes und zum anderen aufgrund der geringen Teilnehmerzahl. Ursprünglich hatten Andrew G. Reece von der Harvard University und Danforth mehr als 500 Teilnehmer rekrutiert. Ein Großteil wollte jedoch seine Daten nicht mit den Forschern teilen, weshalb sie wieder ausgeschlossen werden mussten.
Frühere Studien haben bereits die Prognosefähigkeiten von Daten untersucht, die Nutzer online stellen. Dabei standen bisher immer Textanalysen im Vordergrund. Hier wurde beispielsweise untersucht, wie auf Facebook angegebene Alkoholpräferenzen von Studenten im Zusammenhang mit Alkoholismus stehen (2012; doi: 10.1001/archpediatrics.2011.180).
Andere Studien analysierten Facebook-Daten hinsichtlich ihrer Vorhersagekraft von postnatalen Depressionen (2014; doi: 10.1145/2531602.2531675). Daraus, wie oft Menschen das Internet täglich benutzen, wurden Schlussfolgerungen auf Depressionen gezogen (2012; doi: 10.1109/MTS.2012.2225462).
