Eine umfassende Übersicht zeichnet den Weg vor, wie die Psychiatrie endlich diagnostizieren könnte, was sie tatsächlich behandelt.

CAMBRIDGE, Cambridgeshire, VEREINIGTES KÖNIGREICH, 10. März 2026 — Es gibt Widersprüche, die so tief in die Struktur eines Faches eingewachsen sind, dass man sie kaum noch als Widersprüche wahrnimmt. Eine umfassende eingeladene Übersichtsarbeit, heute in Brain Medicine veröffentlicht, stellt sich einem der hartnäckigsten Paradoxe der modernen Medizin: Die Psychiatrie bleibt die einzige bedeutende klinische Disziplin, die komplexe Erkrankungen vorwiegend durch Gespräch und Symptomchecklisten diagnostiziert, während Fächer wie die Onkologie und die Kardiologie längst Labormarker, bildgebende Verfahren und molekulares Profiling übernommen haben. Die Übersicht, verfasst von Dr. Jakub Tomasik, Jihan K. Zaki und Professorin Sabine Bahn am Cambridge Centre for Neuropsychiatric Research der Universität Cambridge, synthetisiert aufkommende Forschungsansätze in konzeptuellen Rahmenwerken, Biomarkerwissenschaft, digitalem Phänotyping und künstlicher Intelligenz, um einen translationalen Weg zu einem biologisch fundierteren und klinisch nützlicheren Ansatz der psychiatrischen Diagnostik zu skizzieren.

Warum das gegenwärtige System nicht ausreicht

Die Frage klingt fast zu einfach. Wenn ein Kardiologe Troponinwerte messen und ein Onkologe die DNA eines Tumors sequenzieren kann, warum verlässt sich ein Psychiater noch immer darauf, zu fragen, ob ein Patient sich zwei Wochen lang traurig gefühlt hat? Die Antwort, so erläutern die Autoren der Übersicht, liegt im Wesen der gegenwärtigen Diagnosesysteme. Das Diagnostische und Statistische Manual Psychischer Störungen (DSM) sowie die Internationale Klassifikation der Krankheiten (ICD) haben der Psychiatrie gedient, indem sie die klinische Sprache standardisierten und die diagnostische Zuverlässigkeit verbessert haben. Doch diese Rahmenwerke wurden durch Expertenkonsens geprägt, nicht durch die Entdeckung zugrunde liegender Krankheitsmechanismen. Sie erfassen Symptommuster, nicht biologische Heterogenität.

Die Folgen sind alles andere als abstrakt. Eine depressive Störung, so vermerkt die Übersicht, kann durch mehr als 250 mögliche Symptomkombinationen diagnostiziert werden. Zwei Patienten mit derselben Diagnose können vollständig unterschiedliche klinische Bilder aufweisen. Komorbidität ist allgegenwärtig: Viele Personen erfüllen die Kriterien für mehrere Störungen, gleichzeitig oder im Verlauf ihres Lebens. Und die Schwellenwerte, die Krankheit von Normalität trennen, sind nach Einschätzung der Autoren weitgehend willkürlich, auf Konvention gegründet statt auf biologische Evidenz.

„Obwohl das DSM und die ICD einen wesentlichen Rahmen für die psychiatrische Klassifikation bereitstellen, gelingt es ihnen nicht, die wahre Natur psychischer Erkrankungen zu erfassen", sagte Professorin Sabine Bahn, korrespondierende Autorin der Übersicht und Leiterin des Cambridge Centre for Neuropsychiatric Research an der Universität Cambridge. „Diese Systeme entbehren einer soliden biologischen Grundlage, erzeugen stark heterogene und teils überlappende Kategorien, setzen willkürliche Schwellenwerte und stützen sich auf subjektive Urteile, die zwischen Klinikern variieren. Vielleicht am kritischsten ist, dass diagnostische Bezeichnungen häufig weder prognostisch sind noch helfen die wirksamste klinische Behandlung zu bestimmen."

Die Architektur psychischer Erkrankung neu denken

Lässt sich psychiatrische Diagnostik anders denken? Mehrere konzeptuelle Neuerungen legen nahe, dass dies möglich ist. Die Übersicht untersucht vier wesentliche Rahmenwerke, die checklistenbasierte Definitionen in Frage stellen: Netzwerkmodelle, die psychiatrische Symptome als interagierende Systeme behandeln und nicht als passive Widerspiegelungen einer verborgenen Störung; die Hierarchical Taxonomy of Psychopathology (HiTOP), die Psychopathologie in datengetriebene hierarchische Dimensionen gliedert; die Research Domain Criteria (RDoC), die psychische Störungen im Hinblick auf zugrunde liegende neurobiologische und psychologische Mechanismen neu definieren; und das klinische Staging, das eine zeitliche Dimension einführt, indem es die Krankheitsprogression von früher Vulnerabilität bis zur chronischen Erkrankung verfolgt.

Keines dieser Rahmenwerke ist ein fertiges Produkt. Netzwerkstrukturen, so vermerkt die Übersicht, lassen sich oft nicht über Stichproben hinweg replizieren. Die Komplexität des HiTOP begrenzt seine klinische Umsetzung. Das RDoC wurde dafür kritisiert, soziale und kontextuelle Dimensionen psychischer Gesundheit zu vernachlässigen. Und das klinische Staging wird durch unpräzise Stagingsgrenzen und den unbequemen Umstand gehemmt, dass viele psychische Störungen schlicht keinen vorhersehbaren Verlauf nehmen. Dennoch repräsentieren diese Modelle zusammengenommen einen grundlegenden Wandel: Anstatt Störungen als feste Kategorien zu betrachten, beschreiben sie psychische Erkrankung als dynamische, mehrdimensionale Systeme, die durch interagierende Symptome, zugrunde liegende Mechanismen und individuelle Entwicklung geformt werden.

„Diese Ansätze markieren einen bedeutenden Wandel in unserem Verständnis psychischer Erkrankungen", sagte Dr. Jakub Tomasik, Ko-Korrespondenzautor und Erstautor der Übersicht. „Die Rahmenwerke, die wir untersuchen, sind keine konkurrierenden Alternativen. Sie adressieren unterschiedliche Erklärungsebenen. Top-down-Ansätze liefern klinisch bedeutsame Referenzpunkte, während Bottom-up-Strategien darauf abzielen, die latente Struktur und die Mechanismen aufzudecken, die den beobachteten Syndromen zugrunde liegen. Beide zu integrieren könnte wesentlich sein, um datenbasierende Erkenntnisse in klinisch nutzbare Werkzeuge zu übersetzen."

Die biologische Evidenz, die sich unter der Oberfläche zusammenfügt

Was enthüllt das molekulare Panorama tatsächlich? Die Übersicht durchmisst ein breites Spektrum der Biomarkerforschung, von großen neuroimagingbasierten Konsortien bis hin zu Genomik, Epigenetik, Proteomik und Metabolomik. Befunde des ENIGMA-Konsortiums zeigen, dass Schizophrenie mit weit verbreitetem kortikalem Ausdünnen assoziiert ist, während die  depressive Störunglokalisiertere Reduktionen in Regionen aufweist, die die Emotionsregulation steuern. Groß angelegte genomweite Assoziationsstudien des Psychiatric Genomics Consortium haben Hunderte von häufigen genetischen Loci identifiziert, die mit Schizophrenie, bipolarer Störung und depressive Störungassoziiert sind, und auf Veränderungen synaptische Übertragung und Kalziumsignalwege konvergieren. Störungsübergreifende Analysen enthüllen eine erhebliche genetische Überlappung, mit hohen Korrelationen zwischen Schizophrenie und bipolarer Störung sowie moderaten Korrelationen mit depressiven Störungen.

Dennoch weisen die meisten bisher identifizierten Kandidaten-Biomarker bescheidene Effektgrößen und begrenzte Generalisierbarkeit über Kohorten hinaus auf und verbleiben weitgehend in Forschungsumgebungen. Diese offene Anerkennung zieht sich wie ein roter Faden durch die gesamte Rezension. Polygenetische Risikoscores erklären derzeit bis zu etwa 15 Prozent der Varianz der Anfälligkeit für Schizophrenie und etwa 8 Prozent für depressive Störungen.  Ein erheblicher Anteil der Heritabilität bleibt ungeklärt. Wie überbrückt man dann diese Lücke zwischen vielversprechenden Signalen und klinischem Nutzen?

Einige Ansätze haben die Schwelle der klinischen Umsetzung erreicht. Die Übersicht hebt das proteomische VeriPsych-Panel hervor, das im Labor von Professorin Bahn entwickelt und über mehrere internationale Kohorten validiert wurde. Es wurde in den Vereinigten Staaten als laborentwickelter Test zur Unterstützung der Bestätigung einer  Schizophrenie Diagnose kommerzialisiert, wurde jedoch später aufgrund hoher Kosten und begrenzter Akzeptanz zurückgezogen. Der EDIT-B-RNA-Editierungsbluttest hat die europäische CE-IVD-Kennzeichnung als Entscheidungsunterstützungswerkzeug zur Unterscheidung bipolarer von unipolarer Depression erhalten, mit Einsatz in Frankreich und Italien. Diese Tests stellen seltene Beispiele molekularer Diagnostika dar, die in der Psychiatrie vom Labortisch ans Krankenbett gelangt sind.

Wenn das Telefon zum diagnostischen Instrument wird

Ein Bluttest hält einen Moment fest. Ein Smartphone hält ein Leben fest. Digitales Phänotyping, so argumentiert die Übersicht, erweitert biologische Ansätze, indem es die longitudinalen und dimensionalen Aspekte adressiert, die statischen Biomarkern fehlen. Geolokalisierungsdaten von Smartphones können reduzierte Mobilität aufdecken, die mit der Intensität depressiver Stimmungen assoziiert ist. Schlaf-Wach-Daten von Wearables zeigen, dass Verschiebungen im zirkadianen Rhythmus Stimmungsepisoden bei bipolarer Störung vorhersagen: verzögerte Rhythmen gehen depressiven Episoden voraus, vorverlagerte Rhythmen manischen Episoden. Sprachaufnahmen enthüllen veränderte Intonation, Lautstärke und Pausenraten bei Patienten mitdepressiven Störungen. Selbst Beiträge in sozialen Medien tragen diagnostische Signale: Nutzer, die in psychosefokussierten Foren aktiv sind, zeigen deutlich geringere Sprachkohärenz.

Könnte die ökologische Momentanbewertung, vermittelt durch Smartphone-Apps, die Einzelpersonen mehrmals täglich zur Angabe von Stimmung und Energie auffordern, schließlich die statische Momentaufnahme eines 15-minütigen klinischen Interviews ersetzen? Die Übersicht legt nahe, dass dies plausibel, aber verfrüht ist. Die meisten digitalen Marker wurden aus kleinen oder selektiven Kohorten abgeleitet, weisen bescheidene Effektgrößen auf und entbehren einer robusten Validierung. Was würde es brauchen, damit ein Arzt dem algorithmischen Ablesen der Telefondaten eines Patienten ebenso vertraut wie seinem eigenen klinischen Instinkt? Diese Frage ist nicht bloß technischer Natur. Sie ist zutiefst menschlich.

Künstliche Intelligenz als Übersetzerin, nicht als Orakel

Maschinelles Lernen und künstliche Intelligenz stellen die integrative Schicht des translationalen Weges dar, den die Übersicht beschreibt. Transformer-Architekturen, das Fundament großer Sprachmodelle wie ChatGPT und Gemini, sind am vielversprechendsten, weil sie Daten als Sequenzen verarbeiten und zeitliche Dynamiken sowie longitudinale Krankheitsverläufe modellieren können. Multimodale Modelle, die Genomik, Metabolomik, Neuroimaging und klinischen Text kombinieren, werden bereits für die allgemeine Gesundheitsversorgung entwickelt, wobei Architekturen wie HEALnet, Multimodal Graph Learning und Med-PaLM M Anpassungsfähigkeit an diverse Datentypen zeigen.

Doch die Übersicht trennt sorgfältig Bestrebung von Errungenschaft. Der Einsatz von KI-Modellen in der Psychiatrie bleibt weitgehend forschungszentriert und klinisch kaum implementiert. Zwei primäre Engpässe bestehen fort: begrenzte Datenqualität, Verfügbarkeit und Menge sowie das Fehlen robuster Methoden für erklärbare künstliche Intelligenz. Die größten öffentlich zugänglichen psychiatrischen Datensätze umfassen typischerweise weniger als 1.000 Probanten oder Patienten. Klinische Daten werden wegen Datenschutzbedenken selten geteilt. Und solange die Begründung hinter KI-basierten psychiatrischen Entscheidungen nicht transparent und interpretierbar gemacht werden kann, wird ihr Einsatz berechtigter Prüfung und Skepsis ausgesetzt sein.

„Gegenwärtig sollten KI-Modelle als adjunktive Entscheidungsunterstützungssysteme betrachtet werden, die das klinische Urteil ergänzen, und nicht als eigenständige diagnostische Instrumente", sagte Jihan K. Zaki, Ko-Autorin der Übersicht und Forscher am Cambridge Centre for Neuropsychiatric Research und am Melville Laboratory for Polymer Synthesis der Universität Cambridge. „Black-Box-Entscheidungsfindung in der Psychiatrie birgt erhebliche Risiken, einschließlich Stigmatisierung, Verlust klinischen Vertrauens und medikolegaler Haftung. Robuste Erklärbarkeit ist nicht optional; sie ist notwendig, um sicherzustellen, dass Vorhersagen auf validen Signalen beruhen und nicht auf Artefakten."

Die Hindernisse, die sich nicht wegwünschen lassen

Vielleicht ist der wertvollste Aspekt dieser Synthese ihre Weigerung, zu viel zu versprechen. Die Übersicht kartiert eine detaillierte Landschaft der Implementierungsherausforderungen: begrenzte Reproduzierbarkeit und Standardisierung von Biomarkern, unzureichende Generalisierbarkeit von der Forschungsergebnissen auf reale klinische Populationen, regulatorische Unsicherheit innerhalb und zwischen Ländern, algorithmischer Bias verursacht durch homogenen Trainingsdatensätzen, fragmentierte Dateninfrastruktur, fehlende klinische Akteptanz und fehlende oder unklare Leistungserstattung. Können Innovationen, die in gut ausgestatteten akademischen Zentren wie Cambridge entwickelt wurden, tatsächlich eine psychiatrische Klinik im ländlichen subsaharischen Afrika erreichen? Die Übersicht ist ehrlich: Selbst kostengünstige Tests oder Wearables können Ungleichheiten vertiefen, wenn sie hauptsächlich in gut ausgestatteten Gesundheitssystemen eingesetzt oder auf der Basis von überrepräsentierten Populationen entwickelt wurden.

Föderiertes Lernen, das es KI-Modellen ermöglicht, über dezentralisierte Datensätze trainiert zu werden, ohne rohe Patientendaten zu teilen, bietet einen Weg nach vorn. Doch seine Umsetzung in der psychischen Gesundheit bleibt aufgrund uneinheitlicher Datenquellen begrenzt. Bedeutsamer Fortschritt, so argumentieren die Autoren, wird weniger von singulären algorithmischen Durchbrüchen abhängen als vielmehr von dem kollektiven Unterfangen, transparente, interoperable und ethisch verwaltete Dateninfrastrukturen aufzubauen.

Wo Konsens entsteht

Trotz der Komplexität identifiziert die Übersicht Bereiche wachsender Konvergenz. Es besteht breites Einvernehmen, dass die gegenwärtigen kategorialen Grenzen die zugrunde liegende biologische Struktur psychischer Erkrankungen nicht angemessen widerspiegeln. Die gemeinsame genetische Architektur über psychiatrische Erkrankungen hinweg ist nun gut belegt. Der Wert der multimodalen Datenintegration, die molekulare Marker mit digitalen und klinischen Informationen verbindet, wird zunehmend anerkannt. Und vielleicht am wichtigsten ist, dass Einigkeit darüber besteht, dass objektive Messungen und KI das klinische Urteilsvermögen unterstützen und verbessern sollten, anstatt es zu ersetzen, und dass sie die therapeutische Patientenbeziehung stärken sollten, die einer wirksamen psychiatrische Versorgung zugrundel liegt.

„Indem wissenschaftliche und technologische Fortschritte mit klinischer Expertise verbunden werden, kann die Psychiatrie einen verbesserten diagnostischen Prozess entwickeln, der konsistenter, personalisierter und letztlich wirksamer darin ist, die Behandlungsergebnisee für Patienten zu verbessern", sagte Professorin Bahn. „Die Herausforderung besteht nun nicht darin, ob wir uns in diese Richtung bewegen sollten. Sie besteht darin, wie wir dies verantwortungsvoll, gerecht und in echter Zusammenarbeit mit Klinikern und Patienten tun können, die diese Werkzeuge nutzen werden."

Ein Fach an einem Wendepunkt

Was aus dieser Synthese hervorgeht, ist keine Vorhersage einer bevorstehenden Transformation, sondern eine nüchterne Kartografie des Gebietes zwischen dem gegenwärtigen Stand der Psychiatrie und dem Ort, an dem sie ankommen könnte. Das unmittelbare Versprechen ist praktisch: entzündliche und metabolische Marker, die helfen, behandlungsresponsive Subtypen der Schizophrenie zu identifizieren; zirkadiane Daten von tragbaren Geräten, die bevorstehende Stimmungsepisoden ankündigen; KI-Werkzeuge, die diagnostische Verzögerungen bei komplexen oder Präsentationen im klinischen Frühstadium verringern. Die längerfristige Vision ist ehrgeiziger: diagnostische Kategorien, die  empirisch definierten diagnostische Subtypen darstellen, die zugrunde liegende Mechanismen widerspiegeln, so wie die biomarkerbasierte Klassifikation die Onkologie revolutioniert hat.

Braucht die Psychiatrie ebenfalls eine Revolution, oder braucht sie eine sorgfältig gestaltete Evolution? Diese Übersicht legt Letzteres nahe. Der Weg nach vorn erfordert keinen einzelnengroßen Sprung, sondern eine Sequenz validierter, interpretierbarer und zugänglicher Werkzeuge, die sich problemlos in die klinische Realität von Gesundheitssystemen integrieren lassen. Das Fachgebiet der Psychiatrie hat Jahrzehnte damit verbracht, die Grundlagen zu entwickeln: genetische Assoziationen, Neuroimaging-Muster, digitale Signale, molekulare Profile. Die verbleibende Arbeit ist Integration, Translation und die wenig glanzvolle, aber wesentliche Mühe der Implementierung. Die Bäume sind identifiziert worden. Den Wald zu bauen ist die Aufgabe, die nun ansteht.

Diese Arbeit wurde vom Stanley Medical Research Institute (Fördernummer O7R1888) an Professorin Sabine Bahn sowie durch das Stipendium der Oskar Huttunen Foundation an Jihan K. Zaki finanziert.

Die eingeladene Übersichtsarbeit in Brain Medicine mit dem Titel „New approaches to enhance the diagnosis of psychiatric disorders" ist ab dem 10. März 2026 in Brain Medicine über Open Access kostenlos verfügbar unter folgendem Link: https://doi.org/10.61373/bm026i.0012

Die vollständige Referenz für Zitationszwecke lautet: Tomasik J, Zaki JK, and Bahn S. New approaches to enhance the diagnosis of psychiatric disorders. Brain Medicine 2026. DOI: https://doi.org/10.61373/bm026i.0012. Epub 2026 Mar 10.

Über Brain Medicine: Brain Medicine (ISSN: 2997-2639, online und 2997-2647, Druck) ist eine hochwertige medizinische Forschungszeitschrift, die von Genomic Press, New York, herausgegeben wird. Brain Medicine ist eine neue Heimat für den interdisziplinären Weg von der Innovation in der grundlegenden Neurowissenschaft hin zu translationalen Initiativen in der Hirnmedizin. Der Umfang der Zeitschrift umfasst die zugrunde liegende Wissenschaft, Ursachen, Ergebnisse, Behandlungen und gesellschaftliche Auswirkungen von Hirnerkrankungen über alle klinischen Disziplinen und ihre Schnittstellen hinweg.

Besuchen Sie die Virtuelle Bibliothek von Genomic Press: https://issues.genomicpress.com/bookcase/gtvov/

Unsere Medienwebseite finden Sie unter: https://media.genomicpress.com/

Unsere vollständige Webseite finden Sie unter: https://genomicpress.com/