Sektorenübergreifende Therapiekonzepte und innovative Technologien: neue Möglichkeiten für die Versorgung von Patienten mit psychischen Erkrankungen

Die vorliegende Arbeit basiert auf selektiver Literaturrecherche und ist wie folgt strukturiert: Zuerst diskutieren wir zwei sektorenübergreifende Versorgungsstrukturen vor dem Hintergrund der aktuellen wissenschaftlichen Evidenz und liefern praktische Hinweise aus Sicht der Kliniker; dann überprüfen wir die mögliche Verknüpfung von innovativen digitalen Technologien mit den einzelnen klinikinternen und -externen Versorgungskonzepten (zu klinischen und wissenschaftlichen Zwecken), gefolgt von einer Bewertung der Grenzen der gegenwärtigen Ansätze; und schließlich machen wir uns Gedanken über weitere Pläne zur Translation von digitalen Gesundheitsanwendungen in die Patientenversorgung am Beispiel des Zentralinstituts für Seelische Gesundheit in Mannheim (ZI). Die vorliegende narrative Übersichtsarbeit zielt darauf ab, Kliniker und Forscher mit der aktuellen wissenschaftlichen Evidenz sowie den Chancen und Herausforderungen vertraut zu machen, neue Versorgungskonzepte, digitale Technologien und moderne statistische Auswertungsverfahren (z. B. KI) miteinander zu kombinieren und in die Versorgung von Menschen mit psychischen Erkrankungen zu implementieren. Diese Arbeit ist aus der Perspektive von Klinikern und Wissenschaftlern entstanden, die mit psychisch kranken Patienten arbeiten.

Wichtige Prämissen moderner Behandlungskonzepte sind die maximale Kontinuität in einem multiprofessionellen Team (MPT) von Klinikern sowie die Vernetzung der Versorgung ohne Unterbrechung der Verantwortlichkeiten und des Informationsflusses von der akuten Aufnahme bis zur Entlassung und ambulanten Betreuung. Weitere Ziele sind die Frühintervention bei Erstmanifestationen, die Prävention von Mehrfachrezidiven und Krankheitsprogression, die Verbesserung des Wohlbefindens und der sozialen Kompetenzen bei gleichzeitiger Verringerung der Belastung der Familie sowie die Behandlung des komorbiden Substanzkonsums. Diesen Ansprüchen kann das sog. „Track-Konzept“ vollumfänglich gerecht werden [6, 9, 37]. Bisher wurde die Wirksamkeit des Track-Konzeptes nicht im Rahmen klinischer Studien wissenschaftlich untersucht. Deshalb wird an dieser Stelle ein möglicher Forschungsansatz unter Einsatz digitaler Technologien vorgestellt und diskutiert: Am ZI wird dieses Konzept Patienten mit akuten psychischen Krisen (Track-Einheit Krise und Diagnostik, KD-A) und psychotischen Störungen (Track-Einheit Schizophrenie und Psychose, SP‑A; [5]) seit mehr als drei Jahren angeboten. In der Praxis heißt es, dass Patienten in allen 5 Therapiesettings (beschützt-vollstationär, offenvollstationär, StäB, tagesklinisch und ambulant) von einem und demselben Team ohne Unterbrechung der Zuständigkeiten behandelt werden [6, 9, 37]. Digitale Technologien können die diagnostischen Maßnahmen im Track-Konzept sinnvoll ergänzen und Aussagen in Echtzeit dazu liefern, wie sich die Symptome der Patienten entwickeln. Hier fallen insbesondere zwei vielversprechende Verknüpfungspunkte auf: Zum einen können die Patienten mithilfe eines Smartphones ihr subjektives Befinden, akute Beschwerden und Symptome in regelmäßigen Abständen während des täglichen Lebens berichten. Eine solche Symptomerfassung in Echtzeit kann im Vergleich zu Symptombewertungen innerhalb einer einzigen Sitzung in einer ungewohnten Umgebung zur Steigerung der Validität beitragen [38] und ist weniger von der Fähigkeit des Einzelnen, sich über längere Zeiträume an Erlebnisse korrekt zu erinnern, abhängig [38]. Zum anderen lassen sich objektive Parameter wie z. B. Puls, Tremor, Hautleitfähigkeit, tägliche Aktivität, Sprach- und Sprechdaten sowie Mensch-Computer-Interaktion in vivo erfassen und in der nächsten Einzelsitzung mit dem Patienten therapeutisch sinnvoll nutzen. Anhand der Veränderungen der Sprachfunktion und automatisch generierten Smartphone-Daten (Bewegungsaktivität und Angaben zum subjektiven Befinden) lassen sich Zustandsmerkmale („state markers“) schizophreniformer, manischer und depressiver Episoden [39] sowie der Zeitpunkt für die Verlegung in ein anderes Setting (d. h. stationsäquivalentes, tagesklinisches oder ambulantes Setting) besser einschätzen. Darüber hinaus können diese Daten in kondensierter Form einen sog. digitalen Phänotyp liefern [14, 40]. Mithilfe des digitalen Phänotyps ergeben sich auch Chancen, erneute Exazerbationen psychotischer Störungen frühzeitig zu erkennen [41‐43].

Der Soteria-Ansatz (nach Mosher/Ciompi; [12, 44]) ist ein stationäres Behandlungsprogramm, das darauf abzielte, den Patienten zu ermöglichen, eine psychotische Episode mit einem hohen Maß an Unterstützung und minimaler Einmischung zu bewältigen [36]. Soteria sieht eine konstante und persönliche, in erster Linie millieutherapeutische Begleitung der Patienten im Sinne einer gemeinsamen Alltagsbewältigung bzw. einer intensiven Einzelbetreuung während akuter psychotischer Krisen in einem möglichst klinikfernen Umfeld vor. Es zeichnet sich zudem durch die besondere Fokussierung auf die sozialen Interaktionen als auch den möglichst geringen Einsatz antipsychotischer (und anderer) Medikation aus [35, 45]. Die o. g. identifizierten klinischen Studien legen insgesamt nahe, dass eine Behandlung in der Soteria mindestens so effektiv (in Bezug auf Rückfälle, Symptome und Funktionsniveau) und in einigen Fällen sogar besser als die übliche Behandlung in einem psychiatrischen Krankenhaus ist [35].

Im November 2019 startete am Zentralinstitut für Seelische Gesundheit in Mannheim das von der Klinik für Psychiatrie und Psychotherapie des Jugendalters und der Klinik für Psychiatrie und Psychotherapie interdisziplinär betriebene Adoleszentenzentrum für Psychosen – Soteria (AZP). Das AZP am ZI in Mannheim ist dabei ausgerichtet auf die Behandlung junger Menschen im Alter von 16 bis 24 Jahren, die an einer psychotischen Erkrankung oder einer Störung aus dem schizophrenen Formenkreis leiden oder die Kriterien eines Psychoserisikosyndroms (i.e. attenuiertes Psychosesyndrom gemäß DSM 5) erfüllen. Auch aufgrund der seltenen Anwendung dieses Therapiekonzeptes im deutschsprachigen Raum (Soteria lediglich an 9 Standorten in Deutschland und Schweiz verfügbar) fehlt zum aktuellen Zeitpunkt eine systematische wissenschaftliche Erforschung der zugrunde liegenden Wirkfaktoren [46]. Diesem Umstand kann u. a. durch multidisziplinäre Zusammenarbeit und innovative wissenschaftliche (digitale) Technologien begegnet werden. Darüber hinaus bieten sowohl die räumlichen und inhaltlichen Vorgaben des Soteria-Konzeptes eine einzigartige Voraussetzung, grundlegendere und für das Gesamtgebiet der Psychiatrie hochrelevante und potenziell richtungsweisende Fragestellungen zu beantworten, insbesondere die folgenden: (1) Multimodale Erhebung der komplexen sozialen Interaktionen zwischen Patienten und Mitgliedern des therapeutischen Teams (digitale Messung von räumlicher Nähe, Vokalisation und Bewegung [Gestik und Mimik], soziale Interaktion) innerhalb des milieutherapeutischen Settings in Echtzeit innerhalb der AZP-Räumlichkeiten; (2) Untersuchung des Einflusses sozialer Interaktionen auf psychotische Symptomatik als wesentlicher Bestandteil des therapeutischen Wirkmechanismus (Wirkfaktor therapeutische Beziehung nach Grawe); (3) Erforschung und objektivierte Messung psychischer und körperlicher Symptome während der Reduktions- und Absetzphase von antipsychotischer Medikation; und (4) Erforschung pathophysiologischer Krankheitsmechanismen psychotischer Erkrankungen, Störungen aus dem schizophrenen Formenkreis und Psychoserisikosyndromen in Abwesenheit medikamentöser Maskierungseffekte. Mithilfe passiver Sensortechnologie (und Kombination mit Bildgebungsmethoden) ist es inzwischen möglich, soziale Interaktionen und somit die Grundsätze der Soteria (u. a. ein unvoreingenommener Zugang zu psychotischen Erfahrungen sowie ein persönliches und gleichberechtigtes Beziehungsangebot [Mit-Sein, Mit-Tun]; [47]) zu erforschen (s. Abb. 1). Eine Klasse der derzeit eingesetzten Sensoren, sog. aktive Radiofrequenzidentifikations(RFID)-Plaketten, ermöglichen kontaktlos die relativen Distanzen zwischen Teilnehmern zu erfassen. RFIDs haben dabei den Vorteil, dass die Sensoren relativ klein und somit wenig invasiv sind, die Aufzeichnung sich auf die relative Distanzen zueinander beschränkt und die Messung für die Teilnehmer ungefährlich ist [48]. Die dabei gewonnen Daten können mittels moderner sozialer Netzwerkanalysemethoden und stochastischer Verfahren modelliert werden. Beruhend auf dem „Influence“-Model von Pentland et al. [49] wird dabei z. B. der Zustand eines Interaktionspartners von seinen interagierenden Nachbarn beeinflusst und verändert sich entsprechend. Dieser Mechanismus der zwischenmenschlichen Beziehungen bietet die Möglichkeit, den Einfluss sozialer Interaktion innerhalb therapeutischer Settings (z. B. Soteria) auf die psychopathologischen Symptome, die Kognition und das Funktionsniveau des einzelnen Patienten zu beschreiben [50].

In der klinischen Praxis steigt seit einigen Jahren das Bedürfnis nach einer möglichst objektiven Charakterisierung von Patienten mit psychischen Störungen, etwa durch reliable neurobiologische oder neurophysiologische Marker. Traditionelle Krankheitskategorien im Sinne von ICD- und DSM-Klassifikationssystemen bilden allerdings nicht die neurobiologischen Ursachen der psychischen Störungen ab [51]. Die Kombination aus neuen digitalen Technologien und multidimensionalen Datensätze hat das Potenzial die diagnostische Klassifizierung psychischer Erkrankungen zu verändern [51]. Künstliche Intelligenz [21] und Methoden wie das „Machine Learning“ (z. B. Support-Vektor-Maschinen, moderne Algorithmen für neuronale Netzwerke oder Kreuzvalidierungsverfahren) oder „Deep Learning“ ermöglichen, hochkomplexe Datensätze aus der Klinik (subjektive Symptome und messbares Verhalten), Bildgebung (strukturelle und funktionelle Parameter) und der Genetik (genetische Hochrisikovarianten und die sog. „single nucleotide polymporphisms“) zu skalierbaren und diagnostisch verwendbaren Biomarkern zusammenzufügen. Aus der aktuellen wissenschaftlichen Evidenz wird deutlich, dass die Kombination dieser Analysetechniken mit einer Fülle multimodaler Daten aus Konsortien und Repositorien das Potenzial hat, die psychiatrischen Erkrankungen nach genetischen und hirnassoziierten Parametern sowie behavioralen Dimensionen neu zu definieren und zu diagnostizieren [51]. Ein weiteres Ziel, maschinelles Lernen und den sog. „Big-Data“-Ansatz in der klinischen Routine zu nutzen, ist die Möglichkeit, klinische Vorhersagen auf individueller Ebene zu erzielen. Das heißt, therapeutische Entscheidungen werden mithilfe multidimensionaler Daten nach Bedarf des Patienten optimiert. In der jüngsten Vergangenheit ist es mithilfe des maschinellen Lernalgorithmus LASSO (eine Methode zur linearen Regression) gelungen, einzelne Patienten mit bipolarer Störung mit einer Genauigkeit von 71 % von gesunden Probanden zu differenzieren [52]. Andere Studien haben weniger symptombasierte Variablen verwendet (z. B. neurokognitive Daten oder Neuroimaging-Scans; [53, 54]) und eine Genauigkeit von 94 % bei Identifikation und individualisierter Vorhersage klinischer Phänotypen erzielt. In der kürzlich erschienen longitudinalen Studie von Koutsouleris et al. [55] an insgesamt 334 Patienten mit Psychoserisikosyndrom oder kürzlich aufgetretener Depression ließ sich mithilfe des maschinellen Lernmodells [56], welches klinische und biologische Daten mit den Einschätzungen der Kliniker kombinierte, die Transition in eine manifeste psychotische Erkrankung in 85,9 % der Fälle korrekt voraussagen. Darüber hinaus konnte auch die reduzierte prognostische Sensitivität der Kliniker, gemessen an einer Falsch-negativ-Rate von 38,5 %, durch das sequenzielle Prognosemodell auf 15,4 % reduziert werden [55]. Die Autoren schlussfolgerten, dass ein individualisiertes prognostisches Modell, das die künstliche und menschliche Intelligenz integriert, die personalisierte Prävention psychotischer Störungen bei Menschen mit Psychoserisikosyndromen oder kürzlich aufgetretenen Depressionen erleichtern könnte. Inzwischen sind auch individualisierte Onlinerisikorechner für die transdiagnostische Vorhersage von Psychosen in der psychiatrischen Versorgung verfügbar [57‐60].

Ein systematisches Benchmarking der Vorhersagbarkeit klinischer Parameter bei einzelnen Patienten kann zur Verbesserung der klinischen Symptomatik führen und das subjektive Leiden bei vielen psychischen Erkrankungen verringern [51]. Es ist ein Paradigmenwechsel, welcher eine verbesserte Auswahl der bestehenden Therapieoptionen vorsieht (entgegen dem „Trial-and-error“-Prinzip), indem deren Wirksamkeit bei einzelnen Patienten im Sinne der Präzisionsmedizin vorhergesagt wird [51]. Moderne, auf digitalen Technologien basierende, diagnostische Ansätze sind, kurz formuliert, in der Lage, dynamische Veränderung bei psychischen Erkrankungen zu erfassen und therapeutisch nutzbar zu machen. Obwohl in den letzten Jahren vielversprechende Ergebnisse erzielt wurden, müssen wissenschaftliche, ethische und datenschutzrechtliche Hürden bewältigt werden, bevor der Big-Data-Ansatz und die sog. digitale Phänotypisierung als Werkzeuge für die psychische Gesundheit der Bevölkerung eingesetzt werden können.

Obwohl wir vielversprechende Befunde zu sektorenübergreifenden Therapiekonzepten und innovativen Technologien in der Versorgung von Menschen mit psychischen Störungen identifiziert haben, haben sowohl die vorliegende selektive Übersichtsarbeit als auch die o. g. sektorenübergreifenden Therapiekonzepte und die innovativen Technologien mehrere Limitationen [40, 61, 62]: (1) Für die Zwecke dieser selektiven Übersichtsarbeit konnten wir zwar zahlreiche Publikationen identifizieren, die signifikante Heterogenität zwischen den veröffentlichten Studien (z. B. Einschlusskriterien, Verwendung verschiedener digitaler Interventionen, psychometrischer und neuropsychologischer Tests, die unterschiedlichen Kontrollbedingungen und Ergebnisse) und die relativ kurzen Studiendauern (in der Regel ein bis drei Monate) erschweren den systematischen Vergleich der erzielten Ergebnisse und den Transfer in die klinische Routine. (2) Es fehlen Daten zu Langzeiteffekten und den zugrunde liegenden Prozessen und Wirkmechanismen. Aus translationaler Sicht ist deshalb eine umfassende Untersuchung der Langzeiteffekte der o. g. sektorenübergreifenden Therapiekonzepte und der innovativen Technologien erforderlich. Zukünftige Studien sollten das Repertoire an Methoden erweitern und longitudinale, randomisierte und vorzugsweise transnosologische Untersuchungen durchführen, um die Schlüsselfragen zu beantworten, ob die sektorenübergreifenden Therapiekonzepte und die innovativen Technologien im Vergleich zu bereits etablierten Versorgungsstrukturen die Behandlungsqualität aus der Nutzerperspektive, die Effektivität in Bezug auf die Genesung und die Kosteneffizienz steigern können. (3) Die Therapieadhärenz der Patienten ist außerhalb von Studienprotokollen reduziert [61]. Deshalb sollten digitale Interventionen als technologiegestützte und in die modernen sektorenübergreifenden Konzepte integrierte Dienstleistungen und nicht als eigenständige Produkte betrachtet werden [40, 61, 62]. (4) Bei der Implementierung innovativer Technologien und Therapiekonzepte in der klinischen Routine müssen der Zugang zur notwendigen Technologie, der Bildungsstand, die Sprachkenntnisse, die kulturellen Besonderheiten, sensomotorische bzw. kognitive Defizite und die Psychopathologie (Cave: Angst, Misstrauen, technischer Beeinflussungs- oder Beeinträchtigungswahn [63]) der Patienten berücksichtigt werden. Darüber hinaus sollten die Kliniker und Forscher auch auf den Bedarf an neuen Weiterbildungsmöglichkeiten für Therapeuten achten. Deshalb sollen in der Zukunft sektorenübergreifende Therapiekonzepte und innovative Technologien für die psychiatrische Versorgung in enger Zusammenarbeit mit den Patienten oder anderen relevanten Interessengruppen (z. B. Angehörige) entwickelt und evaluiert werden. (5) Die longitudinale und qualitativ hochwertige Erfassung klinischer und neurobiologischer Daten stellt nach wie vor eine große Herausforderung dar. Konzepte, wie solche Daten zentral, standardisiert und wissenschaftlich verwertbar erhoben werden, befinden sich derzeit noch in der Entwicklung. Entscheidend für eine breite Akzeptanz ist dabei nicht nur, dass der einzelne Patient unmittelbar von der Erhebung seiner Daten profitiert, sondern auch, dass diese Daten für Kliniker direkt nutzbar gemacht werde, um bereits vor der Entwicklung komplexer Modelle und Entscheidungshilfen mittels künstlicher Intelligenz eine qualitativ hochwertige und quantitative klinische Entscheidungsgrundlage bieten zu können. (6) Der Schutz, das Speichern und Aufbewahren von Patientendaten und Informationen zur psychischen Gesundheit der Betroffenen, welche mit digitalen Technologien erhoben werden, ist für Kliniker, Forscher und Patienten ein hochrelevantes Thema. Patienten, Ärzte und Forscher sollten die Nutzungsbedingungen digitaler Technologien sorgfältig prüfen, bevor sie sensible, persönliche Daten eingeben. Insbesondere sollten sie prüfen, welche Daten gesammelt werden, wer Zugriff auf diese Daten hat und wie die Privatsphäre der Beteiligten geschützt wird [40]. Dabei sind vor allem die Betroffenenrechte im Sinne der EU-Datenschutz-Grundverordnung (EU-DSGVO) zu beachten. (7) Nicht zuletzt muss die Akzeptanz der sektorenübergreifenden Versorgungsstrukturen und der innovativen Technologien bei den Kostenträgern gesteigert werden.