© Photographee.eu – stock.adobe.com
Artikel • Objektiv, skalierbar, nicht-invasiv
Autismus-Diagnostik digital für mehr Objektivität und Effizienz
Digitale Diagnostikverfahren ermöglichen eine frühere, objektivere und effizientere Abklärung einer Autismus-Spektrum-Störung im klinischen Alltag. Multimodale Sensorik und KI-gestützte Analysen unterstützen die Differenzialdiagnostik und reduzieren diagnostische Unsicherheiten. So können Wartezeiten verkürzt, Betroffene schneller adäquat unterstützt und Ressourcen gezielter eingesetzt werden.
Artikel: Cornelia Wels-Maug
Die Autismus-Spektrum-Störung (ASS) ist eine komplexe Entwicklungsstörung, deren globale Prävalenz auf etwa 1% geschätzt wird.1 Zu den diagnostischen Kriterien zählen qualitative Beeinträchtigungen der Kommunikation und Interaktion (Initiierung, Aufrechterhaltung und Gestaltung zwischenmenschlicher Beziehungen), mit Defiziten in der nonverbalen und verbalen Kommunikation sowie repetitive und unflexible Verhaltensmuster. Die bereits in frühester Kindheit auftretende Symptomatik führt zu Beeinträchtigungen in verschiedenen Lebensbereichen, die nicht durch andere Störungen erklärbar sind.2
Das Dilemma einer validen und zeitnahen Diagnose
Im Idealfall erfolgt eine Autismus-Diagnose in der frühen Kindheit. Dies versetzt Kinder und ihre Familien in die Lage, frühzeitig Unterstützungsmaßnahmen in Anspruch zu nehmen, ihre Lebensqualität nachweislich zu verbessern und das Risiko ungünstiger Entwicklungsverläufe zu verringern. Das durchschnittliche Diagnosealter in Deutschland beträgt gegenwärtig 6,5 Jahre und liegt damit über dem internationalen Durchschnitt.
Das Stellen einer validen Diagnose ist von zentraler Bedeutung, denn nur auf ihrer Basis kann eine angemessene Behandlung eingeleitet werden. Die Diagnostik von ASS ist jedoch umfangreich und zeitintensiv und erfolgt insbesondere auf der Verhaltensebene durch Interviews und Verhaltensbeobachtungen gestellt, die von multidisziplinären Teams durchgeführt werden. Mittlerweile werden zusätzlich häufig Fragebogenverfahren verwendet.
Die vielfältigen Ausprägungen autistischer Symptome stellen in mehrfacher Weise eine Herausforderung dar: Sie erschweren die diagnostische Entscheidung, und da viele andere Diagnosen ähnliche Symptome aufweisen, gilt es, diese mithilfe einer Differenzialdiagnose auszuschließen. Hierbei sind Persönlichkeitsstörungen, chronische Depression, soziale Angststörungen, ADHS etc. in Betracht zu ziehen.
Die Komplexität der Diagnosestellung bringt es auch mit sich, dass die Validität einer ASS-Diagnose stark von der Expertise des Diagnostizierenden abhängt. Hinzu kommt, dass standardisierten Screening- und Diagnoseinstrumente für ASS im klinischen Kontext die differenzialdiagnostische Spezifität fehlt – die eingesetzten Verfahren also nicht zuverlässig zwischen ASS und anderen ähnlichen Störungen unterscheiden können –, was zu falsch-positiven ASS-Diagnosen führen kann. Gleichzeitig weisen diese Methoden aber in der Allgemeinbevölkerung eine ausreichende Sensitivität auf, d.h., sie identifizieren nahezu alle Personen im Autismus Spektrum, jedoch auch einige neurotypische Personen. Außerdem wird die Güte der Diagnostik zusätzlich dadurch beeinträchtigt, dass auch die zuvor erwähnen Fragebogenverfahren differenzialdiagnostisch wenig trennscharf sind.
All diese Faktoren führen zu monatelangen Wartezeiten zwischen Überweisung und endgültiger Diagnose, was wiederum einen Rückstau in klinischen Einrichtungen erzeugt. Hier sind neue Ansätze notwendig, um sowohl die Unterstützungsmöglichkeiten für Betroffene zu verbessern als auch das Gesundheitssystem zu entlasten.
Technologieunterstützung für valide Differenzialdiagnosen
Bildquelle: LMU Klinikum
Genau hier setzt die Arbeit von Prof. Dr. Christine Falter-Wagner, Heisenberg-Professorin für Klinische Entwicklungspsychologie an der LMU München und Principle Investigator am Deutschen Zentrum für Psychische Gesundheit, an. Im März 2026 stellte sie im Rahmen der 17. Wissenschaftlichen Tagung Autismus-Spektrum (WTAS) unter dem Motto – „Autismus weiterdenken 2.0!“ Prävalenzen, Differenzen, Diagnosen – technologiegestützte Ansätze zur Verbesserung der klinischen Diagnostik von ASS vor.
Ihr Ziel ist es, die Diagnosestellung objektiver, zuverlässiger, zeitnaher und evidenzbasierter zu gestalten und gleichzeitig klinische Ressourcen zu schonen. Zu diesem Zweck arbeitet ihr Team an einer detaillierten Erfassung äußerlich sicht- und messbarer Eigenschaften des menschlichen Interaktionsverhaltens. Dabei werden verschiedene Kommunikationskanäle interpersoneller Dynamiken gleichzeitig aufgezeichnet (sogenanntes multimodales Aufzeichnen), darunter Bewegung, Mimik, Physiologie, Blickverhalten und Sprecherwechsel, mit besonderem Fokus auf nonverbale Kommunikation und Sprachmuster wie Prosodie.
Durch die Untersuchung von Konstrukten wie interpersoneller Synchronie und zeitlicher Koordination wird soziale Kommunikation objektiv charakterisiert. Dies ermöglicht die Entwicklung digitaler diagnostischer Marker sowie skalierbarer diagnostischer Verfahren. In Kombination mit Machine-Learning-Modellen ist ASS präziser von anderen klinischen Erkrankungsbildern abgrenzbar. „Wir wollen ein besseres Tool unter Verwendung portabler Technologien entwickeln, denn diese haben das Potenzial, die Differenzialdiagnostik der Autismus-Spektrum-Störung zu unterstützen”, erläutert Falter-Wagner und fährt fort, “zu den von uns eingesetzten Instrumenten gehören duales tragbares Eye-Tracking, die automatisierte Bewegungssynchronitätsanalyse sowie die automatisierte Erfassung von Gesichtsausdrücken und Sprachmusteranalyse. Ergänzend untersuchen wir die neuronale Verarbeitung der Wahrnehmung sozialer Interaktion und interpersoneller Synchronie mithilfe einer funktionellen Magnetresonanztomographie (fMRT).“
Dank der Verwendung von Sensorik gelingt es, reziproke soziale Interaktion, inklusive der Feinabstimmung zwischen Personen, zu erfassen. Dabei untersucht Falter-Wagner sowohl die Koordination von Interaktionsverhalten zwischen zwei Personen (sogenannten Dyaden) als auch die Koordination zwischen den Kommunikationskanälen innerhalb einer Person. Beispiele hierfür sind Live-Interaktionen mit Kooperationsaufgaben oder die Initiierung geteilter Aufmerksamkeit (Joint Attention), also der Aufmerksamkeit zweier Personen, gerichtet auf ein Objekt.
Die technologieunterstützte Diagnostik kann die klinische Diagnostik nicht ersetzen [...]. Trotzdem können Technologien Kliniker in Zukunft unterstützen und Wartezeiten für diagnostische Abklärungen verkürzen
Christine Falter-Wagner
Während neurotypische Personen eine fein abgestimmte Koordination zwischen verschiedenen Kommunikationskanälen zeigen, ist diese bei Menschen mit Autismus deutlich reduziert, etwa bei der Koordination zwischen Blickbewegung und Gestik. Zudem verarbeiten autistische Personen nonverbale Signale häufig langsamer und nutzen unterschiedliche Wahrnehmungsstrategien. Studien zeigen außerdem eine reduzierte Synchronie in Dyaden mit autistischen Personen, die mithilfe von Machine-Learning-Algorithmen mit einer Genauigkeit von etwa 80–90% erkannt werden kann. Auch Sprachanalysen zeigen Unterschiede, beispielsweise eine geringere Variabilität in der Tonhöhe und längere Gesprächspausen bei Personen auf dem autistischen Spektrum.
Falter-Wagner fasst zusammen: „Durch die Messung von Stimme, Blick und Gestik können wir verbale und nonverbale Koordinationsmuster untersuchen und für eine präzisere Autismusdiagnose nutzen. Eine automatische Klassifikation von ASS-Dyaden versus Kontrolldyaden anhand von nur 10-minütigen Videos ist mit sehr guter Genauigkeit möglich. Ferner ist eine automatische Unterscheidung zwischen ASS und Borderline-PS mit hervorragender Spezifität möglich.“
Die Nutzung digitaler Verfahren wie Videoanalyse, Wearables oder Virtual Reality stellt einen Meilenstein in der Diagnostik von ASS dar: “Diese Methoden sind nicht-invasiv, sie sind objektiv und skalierbar. Dennoch kann die technologieunterstützte Diagnostik die klinische Diagnostik nicht ersetzen, da diese zum Beispiel auch die Entwicklungsanamnese beinhaltet. Letztendlich ist die klinische Gesamtschau für die Diagnostik ausschlaggebend. Trotzdem können Technologien Kliniker in Zukunft unterstützen und Wartezeiten für diagnostische Abklärungen verkürzen“, unterstreicht Falter-Wagner.
Ausblick
Die technologieunterstützte Diagnostik verspricht, valider als die bislang übliche Verfahren zu sein. Laut Falter-Wagner liegt die Balanced Accuracy der von ihrem Team mithilfe des Einsatzes von Technologie erstellten Diagnosen teilweise bei über 80%. Dies bedeutet, dass das Diagnoseverfahren gleichermaßen gut darin ist, autistische Personen korrekt zu erkennen (sogenannte Sensitivität) und nicht-autistische Personen (also neurotypische und solche mit anderen Diagnosen) korrekt auszuschließen (sogenannte Spezifität), unabhängig davon, wie viele Betroffene an der Untersuchung teilnehmen.
Der von Falter-Wagner entwickelte Ansatz ist vielversprechend und steht noch am Anfang. Bevor er klinisch eingesetzt werden kann, steht als entscheidender nächster Schritt dessen Validierung an: „Eine Validierung des Verfahrens an einer multizentrischen klinischen Stichprobe ist in Begleitung eines aktuellen Innovationsfondsprojektes des Gemeinsamen Bundesauschusses geplant“, erläutert sie.
Daneben gilt es zu klären, wie diese Form der digitalen Diagnostik überhaupt von Betroffenen und Angehörigen angenommen wird. „Zu dieser Frage gibt es noch keine Studie, allerdings plant eine Doktorandin in meinem Team eine qualitative Studie zu genau dieser Fragestellung“, lässt Falter-Wagner wissen.
Insgesamt verspricht die digitale, technologiegestützte Diagnostik langfristig einen entscheidenden Beitrag dazu zu leisten, Autismus früher und präziser zu diagnostizieren und damit die Versorgung Betroffener zu verbessern.
Quellen:
20.04.2026
