Quellen und Leitlinien
Evidenzbasierte Grundlagen unserer KI-gestützten Diagnostik und Therapie
Systemaktualisierung
Letzte Aktualisierung: 28.04.2025
Aktualisierungszyklus: Monatlich
Unser KI-System basiert auf den aktuellsten wissenschaftlichen Erkenntnissen und klinischen Leitlinien. Wir integrieren kontinuierlich neue Forschungsergebnisse und aktualisieren unsere Datenbasis monatlich, um höchste Qualitätsstandards in der psychologischen Diagnostik und Therapieempfehlung zu gewährleisten.
Methodische Grundlagen
Bei der Bewertung von Evidenz und Ableitung von Therapieempfehlungen folgen wir etablierten wissenschaftlichen Standards:
Evidenzgrade
| Grad | Beschreibung |
|---|---|
| A | Evidenz aus mehreren randomisierten kontrollierten Studien (RCTs) oder Meta-Analysen |
| B | Evidenz aus einzelnen RCTs oder mehreren konsistenten nicht-randomisierten Studien |
| C | Evidenz aus Expertenmeinung, Fallserien oder methodisch limitierten Studien |
Empfehlungsstärken
| Stärke | Formulierung | Grundlage |
|---|---|---|
| Stark | "Soll" | Evidenzgrad A, NNT ≤ 3 |
| Mittel | "Sollte" | Evidenzgrad A/B, NNT 3-5 |
| Offen | "Kann" | Evidenzgrad B/C, NNT > 5 |
Kennzahlen
Wo verfügbar, berücksichtigen wir folgende statistische Kennwerte:
- Effektstärken (Cohen's d)
- Number Needed to Treat (NNT)
- Odds Ratios (OR)
Epidemiologische Daten beziehen wir bevorzugt aus deutschen Quellen (DEGS, DEGS2), ergänzt durch internationale Studien.
Bearbeitete Störungsbilder
Unser System umfasst aktuell folgende Störungsbilder, die auf Basis der neuesten wissenschaftlichen Erkenntnisse modelliert wurden:
1. Bipolare Störung (F31)
Evidenzgrundlage: Höchster Evidenzgrad (S3-Leitlinie) mit Ergänzung durch internationale Meta-Analysen
Primäre Quellen:
- DGBS e.V. und DGPPN e.V. (2019). S3-Leitlinie zur Diagnostik und Therapie Bipolarer Störungen. Langversion 2.0
- Bauer, M., & Pfennig, A. (2022). Aktuelles zur Bipolaren Störung - Diagnose und Therapie
- Clemente, A. S., et al. (2023). Risk factors for bipolar disorder: a systematic review and meta-analysis
- Grande, I., et al. (2016). Bipolar disorder. The Lancet
- Baldessarini, R. J., et al. (2019). Pharmacological treatment of adult bipolar disorder
Behandlungsempfehlungen: First-Line-Interventionen mit Evidenzgrad A aus randomisierten kontrollierten Studien (RCTs)
2. Posttraumatische Belastungsstörung (F43.1)
Evidenzgrundlage: S3-Leitlinie, internationale Leitlinien (ISTSS, NICE) und Meta-Analysen
Primäre Quellen:
- Schäfer, I., et al. (2023). S3-Leitlinie Posttraumatische Belastungsstörung
- Maercker, A., & Augsburger, M. (2022). Developments in psychotraumatology
- Brewin, C. R., et al. (2020). A review of psychological risk factors for PTSD
- International Society for Traumatic Stress Studies. (2019). ISTSS Guidelines Position Paper on Complex PTSD in Adults
Behandlungsempfehlungen: TF-KVT und EMDR mit Evidenzgrad A, SSRI/SNRI-Pharmakotherapie mit Evidenzgrad A/B
3. Somatoforme Störungen/Somatische Belastungsstörung (F45)
Evidenzgrundlage: S3-Leitlinie, epidemiologische Studien und diagnostische Validierungsstudien
Primäre Quellen:
- Henningsen, P., et al. (2023). S3-Leitlinie 'Funktionelle Körperbeschwerden'
- Steinbrecher, N., et al. (2021). The prevalence of medically unexplained symptoms in primary care
- Hausteiner-Wiehle, C., et al. (2022). Umgang mit Patienten mit nicht-spezifischen, funktionellen und somatoformen Körperbeschwerden
- Toussaint, A., et al. (2020). The Somatic Symptom Disorder-B Criteria Scale (SSD-12)
Behandlungsempfehlungen: KVT mit Evidenzgrad A, Antidepressiva und multimodale Ansätze mit Evidenzgrad B
4. Emotional instabile Persönlichkeitsstörung, Borderline-Typ (F60.31)
Evidenzgrundlage: S2-Leitlinie Persönlichkeitsstörungen, NICE-Guideline und Meta-Analysen
Primäre Quellen:
- Bohus, M., et al. (2021). Borderline personality disorder. The Lancet
- Gunderson, J. G., et al. (2022). Borderline personality disorder: A reclassification proposal
- Porter, C., et al. (2020). Childhood adversity and borderline personality disorder: a meta-analysis
- Volkert, J., et al. (2023). Prevalence of personality disorders in the general adult population in Western countries
Behandlungsempfehlungen: DBT und Schematherapie mit Evidenzgrad A, MBT und TFP mit Evidenzgrad B
5. Depressive Episode (F32) - überarbeitet
Evidenzgrundlage: Aktualisierte S3-Leitlinie (2023) und Netzwerk-Meta-Analysen
Primäre Quellen:
- Haller, H., et al. (2023). S3-Leitlinie/Nationale VersorgungsLeitlinie Unipolare Depression
- Steinert, C., et al. (2023). Der natürliche Verlauf depressiver Störungen
- Cipriani, A., et al. (2023). Comparative efficacy and acceptability of 21 antidepressant drugs
- Cuijpers, P., et al. (2023). The effects of fifteen evidence-supported therapies for adult depression
Behandlungsempfehlungen: KVT, IPT, Psychodynamische Therapie und SSRIs/SNRIs mit Evidenzgrad A
6. Panikstörung (F41.0) - überarbeitet
Evidenzgrundlage: Aktualisierte S3-Leitlinie (2023) und aktuelle Meta-Analysen
Primäre Quellen:
- Bandelow, B., et al. (2023). Deutsche S3-Leitlinie Behandlung von Angststörungen
- Pittig, A., et al. (2022). The natural course of panic disorder and its predictors
- Clark, D. M., et al. (2023). Cognitive therapy for panic disorder: Theory, research, and practice
- Pompoli, A., et al. (2023). Comparative efficacy and acceptability of different psychological interventions for panic disorder
Behandlungsempfehlungen: KVT, Expositionstherapie und SSRIs/SNRIs mit Evidenzgrad A
Trainigsdaten:
Forschungsquellen:
Journal of Consulting and Clinical Psychology
Behaviour Research and Therapy
Psychological Bulletin
Clinical Psychology Review
American Psychological Association (APA)
European Association for Behavioural and Cognitive Therapies (EABCT)
Deutsche Gesellschaft für Psychologie (DGPs)
Unsere proprietäre Retrieval-Augmented Generation (RAG) Technologie ergänzt die Basis-Sprachmodelle durch dynamische Kontextanreicherung:
Semantische Analyse von Anfragen und therapeutischen Kontexten
Intelligente Auswahl relevanter Fachinformationen aus unserer kuratieren Evidenzdatenbank
Dynamische Prompt-Optimierung für klinisch präzise und evidenzbasierte Antworten
Diese Technologie ermöglicht es uns, die Stärken von Large Language Models mit strukturierten Fachinformationen zu kombinieren, um maximale klinische Relevanz und Evidenzbasierung zu gewährleisten.
Datenqualität
Kuratierte Primärquellen (2021-2024), darunter Meta-Analysen und systematische Reviews
Evidenzlevel mindestens 1b nach Oxford Centre for Evidence-Based Medicine (RCTs, systematische Reviews)
Peer-reviewte Journals mit Impact Factor > 2.0 und Publikationen akkreditierter Forschungseinrichtungen
Differenzierte Gewichtung amerikanischer und europäischer therapeutischer Ansätze
Validierte psychometrische Messinstrumente als Basis für diagnostische Empfehlungen
Ethische Trainingsprinzipien
Keine Verwendung realer Patientendaten im Trainingsprozess
Synthetische klinische Fallvignetten für therapeutische Szenarien
Kontinuierliche Überprüfung auf Verzerrungen und Fehlinformationen
Transparente Dokumentation aller Trainingsschritte und -quellen
Wir haben mit GBERT (entwickelt von der TH Nürnberg) kollaboriert, um unsere Modelle speziell für den deutschen Beratungskontext zu optimieren. Die Integration dieses spezialisierten Modells verbessert die semantische Verarbeitung deutschsprachiger therapeutischer Kommunikation erheblich.
Kontinuierliche Weiterentwicklung und Evaluation
Unsere KI-Modelle sind keine statischen Systeme, sondern werden kontinuierlich weiterentwickelt:
Evaluationsprozess
Regelmäßige Leistungsbewertungen anhand standardisierter klinischer Szenarien
Direktes Feedback von praktizierenden Therapeut
aus unserer Beta-Tester-Community
Systematische Erfassung und Analyse von Interaktionsmustern und Modellreaktionen
Periodische externe Audits durch unabhängige KI-Ethik-Expert
Qualitätsmerkmale
Fachliche Genauigkeit bei psychotherapeutischen Konzepten
Kulturelle Sensibilität in der Formulierung von Empfehlungen
Konsistenz in der Anwendung evidenzbasierter Leitlinien
Transparenz über Wissensquellen und Schlussfolgerungen
Transparenz und Kontrolle
Wir legen großen Wert auf vollständige Transparenz bezüglich unserer KI-Modelle:
Detaillierte Dokumentation aller eingesetzten Modelle und ihrer spezifischen Eigenschaften
Klare Kommunikation der Temperatureinstellungen und ihrer Auswirkungen auf die Modellausgaben
Vollständige Compliance mit den Transparenzanforderungen des EU AI Act
Therapeutische Kontrolle durch Modusauswahl und individuelle Konfigurationsmöglichkeiten