Die klassische Expositionstherapie hat ein Problem: Sie ist stark von subjektiven Einschätzungen abhängig. Patientinnen und Patienten sagen, wie groß ihre Angst ist. Die Therapeutin oder der Therapeut reagiert darauf. Das funktioniert, bleibt aber ungenau.
Ein Team der Technischen Universität Graz versucht, diese Lücke zu schließen. Mit dem System „VRSpi“ verbinden die Forschenden Virtual Reality mit Messdaten aus Gehirn und Körper. Die Idee: Die Therapie orientiert sich nicht mehr nur am Gefühl, sondern an objektiven Signalen.
Inhaltsverzeichnis
Wenn Angst messbar wird
Spinnenphobie gehört zu den häufigsten spezifischen Ängsten. Schätzungen zufolge sind bis zu 6,1 % der Menschen betroffen. Der Standardansatz ist klar: Konfrontation. Schritt für Schritt. So lange, bis sich eine Gewöhnung einstellt.
Virtual Reality hat diese Therapie bereits verändert. Statt echter Spinnen erleben Sie kontrollierte Szenarien im virtuellen Raum. Sicher, reproduzierbar, skalierbar. Doch die Steuerung bleibt oft subjektiv.
Hier setzt VRSpi an. Das System analysiert EEG-Daten und die Herzfrequenz während der Exposition. „Die Gehirnströme und die Herzfrequenz liefern uns verlässliche Hinweise darauf, wie viel Stress jemand gerade erlebt“, sagt Selina C. Wriessnegger.
Ganz so einfach ist es aber nicht. EEG misst keine Angst direkt. Es liefert Muster, die mit Angstzuständen korrelieren. Das ist ein Unterschied – aber ein nutzbarer.
Ein Blick ins Gehirn und was er verrät
Im Fokus steht die sogenannte frontale Alpha-Asymmetrie. Dahinter steckt ein vergleichsweise einfaches Prinzip: Bestimmte Aktivitätsmuster im Stirnbereich des Gehirns verändern sich bei Stress. Typisch ist eine stärkere Aktivierung rechter frontaler Areale. Im EEG zeigt sich das als Verschiebung der Alpha-Leistung. Weniger Alpha bedeutet dabei mehr neuronale Aktivität.
Das System nutzt genau diese Verschiebung als Signal. Es bewertet kontinuierlich, wie stark die Reaktion ausfällt – und passt die virtuelle Umgebung entsprechend an. Wichtig: Das passiert nicht in Echtzeit im technischen Sinne. Die Auswertung erfolgt in kurzen Zeitfenstern von rund 30 Sekunden. Danach wird entschieden, ob die Situation intensiver, gleichbleibend oder abgeschwächt wird.
Wenn der Algorithmus übernimmt
Im Hintergrund arbeitet ein lernfähiges Modell. In der Studie setzen die Forschenden unter anderem auf Support Vector Machines. Diese Klassifikatoren werden individuell trainiert. Vor Beginn durchläuft jede Person eine Kalibrierung. Das System lernt, wie sich Angst im jeweiligen EEG-Muster äußert. Erst dann startet die eigentliche Exposition.
Die Modelle kombinieren mehrere Datenquellen:
- EEG-Merkmale wie Alpha-Band-Leistung und Asymmetrien
- Herzfrequenzdaten
Das Ergebnis ist ein geschlossener Regelkreis. Die Reize passen sich an den Zustand an – nicht umgekehrt.
Versuch im virtuellen Keller
Getestet wurde das System mit 21 gesunden Teilnehmenden. Das ist wichtig: Es handelt sich nicht um klinisch diagnostizierte Patientinnen und Patienten. Die Ergebnisse lassen sich also nicht eins zu eins übertragen.
Die Versuchsumgebung wirkt bewusst unspektakulär. Ein virtueller Kellerraum. Anfangs leer. Dann tauchen Spinnen auf. Erst wenige, dann mehr. Größer, näher, beweglicher. Parallel analysiert das System die Daten. Die Intensität wird angepasst. Ziel ist ein schmaler Korridor: genug Stress, um einen Lerneffekt auszulösen – aber nicht so viel, dass die Person abbricht.
Die Messungen zeigen ein durchgängiges Muster. Mit steigender Reizintensität verschiebt sich die Aktivität im Gehirn Richtung rechter Frontallappen. „Unsere Ergebnisse zeigen, dass Angst im Gehirn zuverlässig gemessen werden kann und dass die Daten für die adaptive Steuerung virtueller Umgebungen genutzt werden können“, so Wriessnegger.
Und die Herzfrequenz?
Erwartet hätte man, dass auch die Herzfrequenz klar reagiert. In der Studie war das nicht der Fall. Zwischen den verschiedenen Expositionsstufen zeigten sich keine signifikanten Unterschiede.
Das heißt nicht, dass sie wertlos ist. In diesem Setup war sie nur weniger aussagekräftig als die EEG-Daten. Für die Klassifikation spielte das Gehirnsignal die zentrale Rolle.
Fortschritt mit Einschränkungen
Der Ansatz ist technisch sauber. Der Regelkreis funktioniert. Das System hält die Belastung in einem sinnvollen Bereich. Genau das ist in der Therapie entscheidend. Trotzdem: Die Studie ist ein Machbarkeitsnachweis. Mehr nicht.
Offen bleibt:
- Verbessert sich die Therapie tatsächlich messbar?
- Funktioniert das auch bei echten Patientinnen und Patienten?
- Lässt sich die Technik in den Alltag integrieren?
Vor allem die Hardware bremst. EEG-Kappen sind aufwendig, empfindlich und wenig komfortabel. Kompaktere Lösungen existieren, erreichen aber bisher nicht die gleiche Datenqualität.
