S03: Soziale Interaktion bei Depression

Durchgeführt von: MMLL

In Kooperation mit: Prof. Dr. Hamidreza Jamalabadi (Philipps-Universität Marburg)

Laufzeit: Seit 2024

Förderung: Deutsche Forschungsgemeinschaft 

 

Die Untersuchung der komplexen kognitiv-emotionalen, (system-)neurobiologischen und sozial-verhaltensbezogenen Pathomechanismen während des Verlaufs affektiver Störungen oder sogar vor der Manifestation von Symptomen ist wesentlich, um die Mechanismen dieser Störungen zu verstehen und die Entwicklung effektiver, individuell angepasster, risikoarmer Interventionsprotokolle voranzutreiben, die Rückfälle verhindern oder abschwächen. 

Im Rahmen des SFB/TRR 393 stellt das Projekt S03 übergreifende Methoden zur Verfügung und dient als Datenanalyse-Hub. Zum einen fokussieren wir auf die Entwicklung, Optimierung, Validierung und den Einsatz von dynamischen, personalisierten, interpretierbaren Digital Twins für sowohl neuronale als auch Symptomdynamiken. Zum anderen stellen wir Hardware- und Softwareinfrastruktur im Bereich des maschinellen Lernens und der Künstlichen Intelligenz für Risikoprädiktion und die Identifikation von (a)typischen Verlaufstrajektorien und Kipppunkten bereit. Diese hybride Strategie, modernste maschinelle Lernverfahren und theoriegetriebene Modellierung kombiniert, wird es uns ermöglichen, die massive Menge an heterogenen Daten, die in diesem Projekt anfallen – von Tiermodellen bis hin zu Symptomdynamiken – zu integrieren und Interventionen in-silico zu modellieren, um so die Translation von der Forschung in verbesserte Patientenversorgung zu beschleunigen.

Speziell zielen wir darauf ab,

  1. Kipppunkte für Domäne A zu identifizieren und vorherzusagen

  2. Machine Learing Modelle zu erstellen, um die kognitiven und neurobiologisch/molekularen Mechanismen zu untersuchen, die die Belohnungsverarbeitung, soziale Kognition, Kontrolle und Erwartung bei affektiven Störungen in Domäne B beeinträchtigen.

  3. Kontrolltheoretische Modelle zu entwerfen, zu optimieren und zu validieren, die einen mathematisch fundierten Ansatz zur Veränderung kognitiver und emotionaler Prozesse bei Patienten mit affektiven Störungen in Domäne C ermöglichen.