% IMPORTANT: The following is UTF-8 encoded.  This means that in the presence
% of non-ASCII characters, it will not work with BibTeX 0.99 or older.
% Instead, you should use an up-to-date BibTeX implementation like “bibtex8” or
% “biber”.

@INPROCEEDINGS{Bamberger:1031217,
      author       = {Bamberger, Rachel},
      title        = {{S}timmen der {V}eränderung: {A}kustische {B}iomarker und
                      maschinelles {L}ernen in der {D}iagnostik von
                      {H}yperaktivität und emotionalen {S}törungen},
      reportid     = {FZJ-2024-05613},
      year         = {2024},
      abstract     = {SW-61-001 Stimmen der Veränderung: Akustische Biomarker in
                      der Diagnostik von AD(H)S und emotionalen
                      StörungenHintergrund:Akustische Parameter als digitale
                      Biomarker gewinnen in der Diagnostik psychischer
                      Störungenan Bedeutung. Im Bereich der
                      (Differenzial)diagnostik könnte die Analyse akustischer
                      Wertekünftig eine wertvolle Hilfestellung innerhalb der
                      klinischen Entscheidungsfindung darstellen.Veränderungen in
                      der Stimme könnten Hinweise auf das Vorliegen einer
                      Aufmerksamkeitsdefizit-/Hyperaktivitätsstörung (AD(H)S)
                      sowie emotionaler Probleme geben.Methodik:Im Rahmen einer
                      epidemiologischen Kohortenstudie sollen Daten von ca. 800
                      Kindern (7-18Jahre) analysiert werden. Dabei untersuchen wir
                      Zusammenhänge zwischen Stimmparametern(Grundfrequenz,
                      Lautstärke, Jitter, Phonationsdauer) und AD(H)S-Symptomen
                      (DISYPS; SDQ)sowie emotionalen Problemen (SDQ). Die Daten
                      wurden innerhalb der LIFE Child Studie an derUniklinik
                      Leipzig erhoben. Wir berechnen mittels maschinellen Lernens
                      prädiktive Modelle, dieeine Beurteilung einzelner
                      stimmlicher Merkmale im Hinblick auf Gruppenunterschiede
                      (klinischbelastet vs. gesund) und den Schweregrad der
                      Symptomatik erlaubt.Ergebnisse:Im Vortrag stellen wir die
                      Ergebnisse multivariater Statistik zu einem
                      mehrdimensionalenZusammenhang zwischen Stimmparametern und
                      AD(H)S-Symptomatik bzw. emotionalenProblemen
                      dar.Diskussion:Die Resultate erlauben erste Hinweise auf die
                      Relevanz akustischer Parameter als objektive Korrelate
                      psychopathologischer Merkmale. Der innovative Einsatz von
                      maschinellem Lernenermöglicht es, komplexe Muster zwischen
                      Stimmverhalten und psychischen Störungen
                      zuentschlüsseln.Schlussfolgerung:Die Analyse akustischer
                      Parameter könnte eine wertvolle Ergänzung zur überwiegend
                      subjektivenDiagnostik von AD(H)S und emotionalen Problemen
                      darstellenDie Diagnostik in der Kinder- und
                      Jugendpsychiatrie beruht mehrheitlich auf Verfahren wiedem
                      psychopathologischen Befund oder testpsychologischen
                      Untersuchungen, die in ihremCharakter in Teilen subjektiv
                      sind und damit untersucherabhängige Schwankungen
                      aufweisen.Vor diesem Hintergrund gab es in den letzten
                      Dekaden intensive Bemühungen, um biologischeMarker zu
                      identifizieren, die als Biomarker die Diagnostik und
                      Behandlungsplanungunterstützen. Bisher konnten allerdings
                      keine biologischen Marker identifiziert werden, die inder
                      klinischen Routineversorgung eine Rolle spielen. In der
                      jüngeren Forschung werdenAnsätze verfolgt, die
                      überwiegend digital erfasste Signale erheben. Unter Einsatz
                      statistischerMöglichkeiten des maschinellen Lernens stellt
                      sich die Frage, ob u.a. in Kombinationverschiedener digital
                      erfasster Signale eine individuelle Prädiktion möglich ist
                      und damitperspektivisch sog. digitale Biomarker entwickelt
                      werden können. In dem Symposium werdenaktuelle Ansätze zur
                      Entwicklung digitaler Biomarker vorgestellt und diskutiert,
                      die sich aufdie Analyse von Stimme, Mimik, Gestik, sowie
                      online durchgeführte Screenings beziehen.Fr. Rachel
                      Bamberger stellt Daten vor, die der Frage nachgehen, ob
                      Muster stimmlicherParameter auf internalisierende bzw.
                      exteralisierende Symptomatik bei Kindern undJugendlichen
                      hinweisen. Prof. Dr. Peter Uhlhaas wird Ergebnisse aus einem
                      umfangreichenOnline-Screening zur Früherkennung von
                      Psychosen präsentieren. PD Dr. Radeloff wird
                      ersteErgebnisse aus dem BMBF-geförderten IDEAS-Projekt
                      vorstellen, in dem automatisierteMimik-, Gestik- und
                      Sprachanalyse in einem Autismus-Screening bei Kindern
                      entwickelt unduntersucht wird. Ein Schwerpunkt des Vortrages
                      liegt auf Mimikanalysen in einemnaturalistischen Design
                      (ADOS-Untersuchungen).Zusammenfassend deuten erste
                      Ergebnisse darauf hin, dass sich über unterschiedliche
                      digitaleMöglichkeiten der Datenerhebung und -verarbeitung
                      untersucherunabhängige Markerentwickeln lassen könnten.
                      Die Ansätze werden kritisch diskutiert und
                      offeneForschungsfragen erörtert.},
      month         = {Sep},
      date          = {2024-09-18},
      organization  = {XXXVIII. DGKJP Kongress, Rostock
                       (Germany), 18 Sep 2024 - 21 Sep 2024},
      subtyp        = {Invited},
      cin          = {INM-7},
      cid          = {I:(DE-Juel1)INM-7-20090406},
      pnm          = {5254 - Neuroscientific Data Analytics and AI (POF4-525) /
                      5252 - Brain Dysfunction and Plasticity (POF4-525)},
      pid          = {G:(DE-HGF)POF4-5254 / G:(DE-HGF)POF4-5252},
      typ          = {PUB:(DE-HGF)6},
      url          = {https://juser.fz-juelich.de/record/1031217},
}