Projekte: Computational Psychiatry

Durstewitz D. Health + Life Science Alliance Heidelberg Mannheim : The advancement of interpretable machine learning/AI techniques for the reconstruction of dynamical systems and the forecasting of empirical time observation series. 06/2024-12/2024.

Reininghaus U. MWK - Ministerium für Wissenschaft Forschung und Kunst Baden-Württemberg : Reallabor Künstliche Intelligenz für digitale personalisierte psychische Gesundheitsförderung bei jungen Menschen. 01/2021-12/2023.

Durstewitz D, Koppe G. DFG - Deutsche Forschungsgemeinschaft : SFB TRR 265: Projekt A06: KI-basierte prädiktive neuro-behaviorale Modellierung von individuellen Trajektorien in der Sucht. 07/2019-06/2023.

Abstract

Unser Projekt zielt darauf ab, rekurrente neuronale Netzwerk-Modelle der Verhaltensdynamik aus multimodalen (Mobile-Health) Daten auf personenspezifischer Ebene zu bestimmen. Dafür entwickeln wir zunächst Methoden, die uns erlauben, Daten mit unterschiedlichen Erhebungsraten und Verteilungsannahmen zu integrieren. Dieser Ansatz wird auf Daten aus den Projekten A01- A04 angewandt, um dynamische Übergänge zwischen dem Kontrollverlust und -wiedergewinn zu identifizieren, langfristige Verhaltenstrajektorien zu prädizieren und Subgruppen zu klassifizieren. Letztlich wollen wir diejenigen Faktoren und Mechanismen bestimmen, welche diesen Übergängen zugrunde liegen.

Kirsch P, Koppe G, Sommer WH. DFG - Deutsche Forschungsgemeinschaft : SFB TRR 265: Projekt B08: Abwertung aversiver Konsequenzen in der Verhaltenskontrolle von Suchtpatienten und im Tiermodell. 07/2019-06/2023.

Abstract

Bisher wurde bei Suchtpatienten die Abwertung künftiger vs. gegenwärtiger Belohnung aber nicht Bestrafung untersucht. Unsere Hypothese der verstärkten temporalen Abwertung negativer Konsequenzen durch Patienten mit AUD soll mit neu entwickelten Tests geprüft werden, die eine reliable quantitative Untersuchung der Abwertung künftiger aversiver Konsequenzen ermöglichen. Die beteiligten neurobiologischen Mechanismen sollen mittels fMRT beim Menschen und mittels Kalziumsignal-Mikroendoskopie bei Ratten erfasst werden. Mit Hilfe komputationaler Verfahren werden die Entscheidungsfindungsprozesse modelliert und die Abwertung aversiver Konsequenzen auf multiplen Analyseebenen formal parametrisiert. In Zukunft kann diese Information genutzt werden, um therapeutische Ansätze für die Stärkung der kognitiven Kontrolle zu entwickeln.

Spanagel R. DFG - Deutsche Forschungsgemeinschaft SFB/Transregio 265: Teilprojekt B08: Aversion discounting in animal models and human addiction. 07/2019-06/2023.

Reininghaus U. EU - Europäische Union 945263: IMMERSE - The implementation of Digital Mobile Mental Health in clinical care pathways: Towards person-centered care in psychiatry.

Abstract

The overarching aim of IMMERSE (Implementing Mobile MEntal health Recording Strategy for Europe) is to advance the transformation of mental health care in Europe into true person-centered care, focused on the needs of each individual seeking help for mental health problems, while giving them an active role in their treatment process and decision-making. In order to do so, IMMERSE has identified the Experience Sampling Methodology (ESM), a structured diary technique, as the methodology that puts the service user at the heart of their treatment. IMMERSE will integrate 20 years of research evidence on ESM into an innovative, clinical digital health tool, Digital Mobile Mental Health (DMMH), in close collaboration with stakeholders and extending it with mobile sensing data and innovative machine learning models. DMMH consists of an ESM app, assessing self-reports of mental state in daily life (ecological momentary assessment, EMA), a data-platform that allows the analysis of these data, and dashboard for visualization and feedback. IMMERSE will thoroughly evaluate strategies, processes and outcomes of DMMH implementation in a cluster Randomized Controlled Trial (cRCT) at 8 sites in 4 countries in Europe representing different contexts for implementation evaluation. At the same time, IMMERSE will identify and overcome key barriers and strengthen facilitators for implementation, transfer and scale-up of DMMH to routine mental health clinical practice by closely collaborating with relevant stakeholders, aligning the innovative DMMH tool to their needs. Similarly, the diverse ethical, legal and policy challenges and requirements will be identified and DMMH will be developed and implemented accordingly. Finally, IMMERSE is set out to do a cost-benefit analysis of the implementation and present a framework for future implementation of DMMH, including forecasting scenarios, aiming at a further scale-up of DMMH across 4 countries in Europe and beyond. IMMERSE thus offers a unique potential to significantly innovate mental health care in Europe.

Zentralinstitut für Seelische Gesundheit (ZI) - https://www.zi-mannheim.de