Künstliche Intelligenz eröffnet neue Wege, das menschliche Gehirn zu erforschen – doch sind alle neurologischen und psychiatrischen Erkrankungen gleichermaßen für KI-Ansätze zugänglich? Dieser Vortrag führt verständlich in die Grundlagen des maschinellen Lernens ein und zeigt anhand aktueller Forschung am Hertie Institute for AI in Brain Health, wie KI-Verfahren heute zur Diagnose, Vorhersage von Krankheitsverläufen und zum Verständnis von Hirnerkrankungen beitragen.

Anhand konkreter Beispiele werden die unterschiedlichen Herausforderungen innerhalb der Neurologie und Psychiatrie beleuchtet: Während sich in der Neurologie bereits vielversprechende Erfolge zeigen, etwa bei der Früherkennung von Alzheimer, stellt die Psychiatrie die Forschung vor besondere Rätsel. Wie viel Information über Depression oder Schizophrenie ist tatsächlich in Hirnbildern enthalten? Und wie verlässlich sind die klinischen Diagnosen, die als Grundlage für das Training der Algorithmen dienen?

Der Vortrag thematisiert verschiedene Datenquellen von der strukturellen und funktionellen Hirnbildgebung bis zur multimodalen Datenintegration. Dabei stehen zentrale methodische Herausforderungen im Fokus: kleine Datensätze, Erklärbarkeit von Algorithmen, der Umgang mit Störvariablen und die Frage nach Bias und Fairness. Anhand konkreter Forschungsprojekte, von der Vorhersage sozialer und kognitiver Eigenschaften über die Früherkennung von Alkoholmissbrauch bei Jugendlichen bis hin zur personalisierten Psychotherapie, wird deutlich, wo KI bereits heute klinische Phänomene erfassen kann und wo sie an ihre Grenzen stößt.