Die Aufarbeitung der gesundheitsrelevanten Informationen, um meine Texte auf dieser Homepage zu präsentieren, wurde durch die Einführung der künstlichen Intelligenz (KI) revolutioniert. Was früher 1–2 Wochen Recherchezeit erforderte, ist jetzt in wenigen Stunden erledigt. Die Qualität der Recherche ist außerdem um einiges besser als vor der Einführung der KI.
Doch wie wirkt sich die Benutzung der KI auf die Gehirngesundheit aus? Es wird von positiven, aber auch von negativen Auswirkungen berichtet.
Positive Auswirkungen
- Verbesserte Früherkennung und Diagnose
- Neuroimaging-Analyse: KI-Algorithmen erreichen eine Genauigkeit von mehr als 90 % bei der Erkennung von Alzheimer auf MRT-/CT-Scans, indem sie subtile Muster erkennen, die von Menschen übersehen werden. Dadurch ist ein Eingreifen 5–7 Jahre vor dem Auftreten der Symptome möglich.
- Vorhersagen mit Blut-Biomarkern: Modelle des maschinellen Lernens analysieren Blut-Biomarker (z. B. Phospho-Tau) zusammen mit genetischen und kognitiven Daten, um das Alzheimer-Risiko Jahre im Voraus vorherzusagen.
- Bewertung der motorischen Funktion: Tragbare KI-Systeme (z. B. das Gerät der University of Missouri) erkennen leichte kognitive Beeinträchtigungen (MCI) mit einer Genauigkeit von 83 %, indem sie Gang, Gleichgewicht und Bewegung während kognitiver Aufgaben analysieren.
- Sprachanalyse: KI prüft mittels per Telefon aufgezeichneter Sprache auf kognitiven Verfall und identifiziert lexikalische/semantische Veränderungen mit 75 % Genauigkeit – und übertrifft damit herkömmliche Bleistift-und-Papier-Tests.
Risikoreduktion und kognitive Widerstandsfähigkeit
Änderung des Lebensstils: KI-Tools analysieren Multi-Omics-Daten (Genetik, EHRs, Wearables), um personalisierte Demenzpräventionspläne zu erstellen. Die Lancet-Kommission führt 40 % der Demenzfälle auf modifizierbare Risiken zurück, auf die KI mithilfe von Nudging und Überwachung abzielt.
- Aufbau kognitiver Reserven: KI-Programme in Unternehmen, die lebenslanges Lernen fördern, erhöhen die „kognitive Reserve” und senken das Demenzrisiko durch intellektuelles Engagement um 7 %.
Therapie
In der personalisierten Medizin muss die beste klinische Intervention für einen einzelnen Patienten zu einem bestimmten Zeitpunkt ermittelt werden. Dieser neue Schritt in der Medizin erfordert die neuesten Instrumente und die Analyse enormer Datenmengen. Dabei spielt die Anwendung künstlicher Intelligenz (KI) eine entscheidende Rolle bei der Darstellung der Dynamik der Alzheimer-Krankheit des Patienten, verbunden mit einer frühen/optimalen Diagnose sowie der Überwachung der Interventionen (Silvia-Spinoza et al.).
Lebenstiloptimierung durch die Trueneura-Software (www.trueneura.com): Mit einer KI-unterstützten Software werden die verschiedenen Lebensstilfaktoren und die klinischen Messgrößen für die Bredesen-ReCode-Methode von jedem Patienten ausgewertet. Auf diese Weise kann der Erfolg der Methode quantifiziert werden. Die Daten werden in einem Truneura-Netzwerk verbunden, um die ReCode-Methode zu optimieren.
Musiktherapie: KI-generierte, personalisierte Wiedergabelisten (z. B. MATCH, MediBeat) verringern durch biometrische Echtzeitüberwachung die Unruhe bei Demenzpatienten um 22 %.
Positive Rolle in der Psychiatrie Die künstliche Intelligenz spielt eine positive Rolle bei der Emotionsregulierung und der Behandlung von Schizophrenie, Autismus-Spektrum-Störungen und affektiven Störungen.
Einblicke in die Gesundheit der Bevölkerung: Verknüpfte EHR-Datenbanken (z. B. UK Biobank + SAIL) ermöglichen KI-gesteuerte epidemiologische Studien, mit denen sich Umweltrisiken (z. B. Luftverschmutzung) quantifizieren lassen.
KI verändert die Demenzpflege von reaktiv zu proaktiv und verlagert den Fokus von der Symptombekämpfung auf Prävention und personalisierte Optimierung der Gehirngesundheit. Weitere Informationen finden Sie unter „KI-Forschung der Alzheimer-Gesellschaft” und „Die therapeutische Entdeckung der UC San Diego.
Literatur
Gehirn Gesudheit
Kale et al. "AI-driven innovations in Alzheimer's disease: Integrating early diagnosis, personalized treatment, and prognostic modelling." Ageing Research Reviews (2024):
Ferdowsi et al. "Detecting dementia using EEG signal processing and machine learning." Artificial Intelligence Enabled Signal Processing based Models for Neural Information Processing. CRC Press, 2024
Therapie
Optimierung von ReCode mit Truneura: https://truneura.substack.com/p/the-surprising-reason-why-functional
Silva-Spínola et al. "The road to personalized medicine in Alzheimer’s disease: The use of artificial intelligence." Biomedicines 10.2 (2022):
Liu et al. "AI-Driven Discovery of Brain-Penetrant Galectin-3 Inhibitors for Alzheimer’s Disease Therapy." Pharmacological Research (2025)
Winchester et al. "Artificial intelligence for biomarker discovery in Alzheimer's disease and dementia." Alzheimer's & Dementia 19.12 (2023)
Thakkar et al. "Artificial intelligence in positive mental health: a narrative review." Frontiers in digital health 6 (2024)
Negative Effekte
Kognitive Atrophie und vermindertes neuronales Engagement,
– Beeinträchtigtes kritisches Denken und Gedächtnis: In einer MIT-Studie, in der die Gehirnaktivität der Teilnehmer mittels EEG gemessen wurde, wiesen ChatGPT-Nutzer im Vergleich zu denjenigen, die ohne Hilfe schrieben, eine deutlich geringere Konnektivität in 32 Gehirnregionen auf. Teilnehmer, die sich auf KI verließen, zeigten abgeschwächte Alpha-/Theta-Wellen (die mit Gedächtnis und Kreativität zusammenhängen) und eine schlechtere Erinnerung, wenn sie später ohne KI schrieben.
- Verhaltensabhängigkeit: Im Laufe der Monate wurden die KI-Benutzer immer abhängiger von den Werkzeugen und gingen vom Bearbeiten zum Kopieren von KI-Ergebnissen über. Unabhängige Prüfer bewerteten ihre Aufsätze als „seelenlos” mit einem Minimum an originellen Gedanken.
- Negative Auswirkung auf die Neuroplasihität. Forscher:innen vermuten, dass eine übermäßige Nutzung von KI eine tiefgreifende kognitive Verarbeitung umgehen und die Neuroplastizität behindern kann – die Fähigkeit des Gehirns, durch anstrengendes Denken neue neuronale Bahnen zu bilden.
Altersspezifische Anfälligkeiten
Am stärksten gefährdet sind sich entwickelnde Gehirne: Kinder und Jugendliche, die KI für Lernaufgaben nutzen, zeigen eine geringere Problemlösungskompetenz und eine geringere Entwicklung kritischer Denkfähigkeiten. Psychiater stellen fest, dass eine übermäßige Abhängigkeit von KI während der Neuroentwicklung die neuronalen Grundlagen für Gedächtnis und analytisches Denken schwächen kann.
Im Kontrast dazu stehen ältere Erwachsene: KI-gestützte Diagnostik (z. B. Wearables zur Vorhersage von Anfällen) kann älteren Menschen zugutekommen, indem sie den kognitiven Verfall kompensiert. Studien betonen jedoch die Notwendigkeit einer ausgewogenen Nutzung.
Gesellschaftliche und ethische Implikationen
Ein Kompromiss zwischen Produktivität und Kognition ist erforderlich, da KI zwar die Effizienz steigert (z. B. bei der Zusammenfassung medizinischer Literatur), aber auch die intrinsische Motivation für tiefgreifende Analysen untergraben kann
Algorithmische Verzerrungen: Modelle, die auf begrenzten Datensätzen trainiert werden, können unterrepräsentierte Gruppen fehldiagnostizieren. Dies macht föderierte Lernansätze erforderlich.
Schlussfolgerungen und Lösungen
· Die Effizienz der KI wird durch eine geringere neuronale Anstrengung erkauft, die insbesondere dem Gedächtnis und den exekutiven Netzwerken schadet. Auch wenn KI als Kompensationsinstrument (z. B. bei Alterungsprozessen) von Vorteil ist, ist eine proaktive kognitive Beteiligung unerlässlich, um eine Atrophie zu verhindern.
· Bewusstes Einsetzen von KI und lebenslanges Lernen, auch ohne KI.
· Digital Detox und genügend körperliche Aktivität.
Literatur
Kognitive Risiken und neuronales Engagement
Kosmyna et al. "Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task." arXiv preprint arXiv:2506.08872 (2025
Zhou and Chunlei "Examining generative AI user addiction from a CAC perspective." Technology in Society 78 (2024)
Lai et al. "Influence of artificial intelligence in education on adolescents’ social adaptability: The mediatory role of social support." Plos one 18.3 (2023)