Longevity & AgingForschungsarbeitOpen Access

Wearables und KI zeigen erste vielversprechende Ansätze zur Früherkennung kognitiven Abbaus, doch die Validierung hinkt hinterher

Eine systematische Übersichtsarbeit mit 49 Studien bringt gestörten Schlaf und gestörte Ruhe-Aktivitäts-Rhythmen mit schlechterer Kognition in Verbindung. KI-Modelle erreichen AUC-Werte von 0,70–0,95, doch es fehlt an externer Validierung.

Freitag, 20. November 2026 0 Aufrufe
Veröffentlicht in J Med Internet Res
Older adult asleep wearing a smartwatch, with glowing rest-activity rhythm waves and a faint brain outline above

Zusammenfassung

Diese systematische Übersichtsarbeit fasste 49 Studien (2020–2025) zu Daten aus Wearables für die Früherkennung von kognitiven Beeinträchtigungen und Demenz zusammen. Die meisten Studien nutzten Aktigrafie in Forschungsqualität, und die meisten Analysen waren statistisch. Fragmentierter Schlaf, abgeschwächte zirkadiane Rhythmen und unregelmäßige Aktivität standen mit schlechterer kognitiver Leistung in Zusammenhang, mit geringen bis mittleren Effektstärken. Modelle des maschinellen Lernens und des Deep Learnings berichteten AUC-Werte von etwa 0,70–0,95. Nur rund ein Viertel der Studien befasste sich direkt mit Früherkennung oder Prävention durch Risikoabschätzung oder Vorhersage. Die Stichproben waren häufig klein, die Überwachung war kurz, und die externe Validierung war begrenzt. Die Evidenz ist assoziativ und betrifft überwiegend Diagnostik oder Risikostratifizierung; sie belegt nicht, dass Wearables die Behandlungsergebnisse verbessern. Die Übersichtsarbeit war nicht präregistriert und führte keine Metaanalyse der Ergebnisse durch.

Detaillierte Zusammenfassung

Standardisierte kognitive Tests wie der MMSE und der MoCA sind punktuelle Momentaufnahmen und können daher schleichende Veränderungen übersehen, die einer Demenz vorausgehen. Wearables können Schlaf, Aktivität und zirkadiane Rhythmen über lange Zeiträume passiv erfassen, und KI könnte diese Datenströme in digitale Biomarker für eine frühere Risikoerkennung verwandeln. Dieser Review ging der Frage nach, wie gut die Evidenz diese Idee stützt.

Die Autoren durchsuchten PubMed, Scopus, die ACM Digital Library und SpringerLink nach peer-reviewten Humanstudien, die zwischen Januar 2020 und Dezember 2025 veröffentlicht wurden. Die Teilnehmenden waren im Mittel mindestens 50 Jahre alt, die Wearable-Daten umfassten mindestens 24 Stunden, und die kognitiven Endpunkte waren validiert. Zwei Gutachter sichteten die Studien und bewerteten das Verzerrungsrisiko. Der Review war nicht prospektiv registriert. Da sich Geräte, Endpunkte und Methoden stark unterschieden, gab es keine Metaanalyse, sondern nur eine narrative Synthese.

Einbezogen wurden 49 Studien mit Stichprobengrößen von 14 bis 91.948 (insgesamt über 200.000, Median 145). Aktigrafie in Forschungsqualität dominierte (43/49), kommerzielle Geräte kamen in 7 Studien vor. Der MMSE war der häufigste Endpunkt (18/49). Die meisten Analysen waren statistisch (36/49), 7 nutzten maschinelles Lernen und 6 Deep Learning. Das Studiendesign verteilte sich auf Querschnittsstudien (21) und longitudinale Kohortenstudien (24). Die meisten Studien wurden mit niedrigem Verzerrungsrisiko bewertet (etwa 69–71 %, wobei die Publikation leicht abweichende Zahlen nennt).

Statistische Analysen brachten gestörten Schlaf, fragmentierte zirkadiane Rhythmen und unregelmäßige Aktivität mit schlechterer Kognition in Verbindung, mit geringen bis mäßigen Effektstärken. Klassifikatoren auf Basis von maschinellem Lernen und Deep Learning erreichten AUC-Werte von etwa 0,70–0,95. Rund ein Viertel der Studien (13/49) befasste sich mit Früherkennung oder Prävention durch longitudinale Risikoabschätzung oder prädiktive Modellierung. Die übrigen lieferten indirekte korrelative Befunde.

Das Signal ist ein Verhaltensmarker für das Risiko und funktioniert auf der Ebene von Erkennung und Stratifizierung. Der Review zeigt nicht, dass wearablegestütztes Handeln kognitive Ergebnisse oder die Demenzinzidenz verändert. Zu den Einschränkungen zählen kleine Stichproben, kurze Überwachungszeiträume, begrenzte externe Validierung und weite AUC-Spannen, die am unteren Ende wahrscheinlich schwächere Designs widerspiegeln. Große Kohorten (47.000–92.000 Teilnehmende) fielen bei den Gesamtzahlen stark ins Gewicht. Auch eine umgekehrte Kausalität ist möglich, da eine beginnende Neurodegeneration selbst Schlaf und Rhythmen stören kann. Wearable-Biomarker sind beobachtenswert, aber für das individuelle Screening noch nicht validiert.

Wichtigste Erkenntnisse

  • 49 studies (2020-2025) included; 87.8% used research-grade actigraphy and 14.3% used commercial wearables.
  • Disrupted sleep, circadian fragmentation and irregular activity were associated with worse cognition, with modest-to-moderate effect sizes.
  • Machine and deep learning classifiers reported AUCs of about 0.70-0.95; external validation was limited.
  • Only 13/49 studies (26.5%) addressed early detection or prevention via longitudinal risk estimation or prediction.
  • No meta-analysis was possible; the review was not preregistered, and evidence of improved outcomes from wearable-guided action is absent.

Methodik

Systematische Übersichtsarbeit nach PRISMA 2020 in vier Datenbanken, mit doppeltem unabhängigem Screening und Bewertung des Verzerrungsrisikos (ATCS, Newcastle-Ottawa, Cochrane, QUADAS-2). Aufgrund der Heterogenität erfolgte ausschließlich eine narrative Synthese; die Arbeit wurde nicht präregistriert. Die Stichprobengrößen reichten von 14 bis 91.948.

Studienlimitierungen

Die eingeschlossenen Studien hatten häufig kleine Stichproben, kurze Beobachtungszeiträume und kaum externe Validierung, und die Zusammenhänge könnten auf umgekehrter Kausalität beruhen. Aufgrund der Heterogenität war eine gepoolte Auswertung nicht möglich; zudem war die Übersichtsarbeit nicht registriert, die Suche beschränkte sich auf englischsprachige Publikationen, und 15 Berichte ließen sich nicht beschaffen. Die berichteten AUC-Werte decken eine große Spannweite ab und fallen angesichts der begrenzten externen Validierung möglicherweise zu optimistisch aus.

Hat dir diese Zusammenfassung gefallen?

Erhalte die neueste Longevity-Forschung jede Woche in deinen Posteingang.

E-Mail-Adresse zum Abonnieren eingeben: