Fortschritte in der Virtual Reality zur Behandlung von Angstzuständen

Virtuelle Realität verändert, wie wir mit Angstzuständen umgehen. Ein Ansatz, der als personalisierte virtuelle Realitätsexpositionstherapie (VRET) bezeichnet wird, passt die Therapie an die Bedürfnisse jedes Patienten an. Um das effektiv zu machen, müssen wir messen, wie sich ein Patient während der Therapiesitzungen fühlt. Traditionell haben Menschen Selbstberichte wie Fragebögen verwendet, um den psychischen Zustand einer Person zu bestimmen. Diese Methoden können aber manchmal ungenau sein.

Dieser Artikel diskutiert eine neue Methode, die virtuelle Realität nutzt, um den psychischen Zustand einer Person genauer zu messen. Unser Ansatz basiert auf einem Typ der physiologischen Überwachung, der als Photoplethysmographie (PPG) bekannt ist, was eine nicht-invasive Methode zur Messung des Blutflusses ist. Wir haben diese Methode getestet, indem wir zwei verschiedene virtuelle Umgebungen erstellt haben – eine entspannende und eine stressige – um zu sehen, wie gut PPG Stresslevel erkennen kann.

#Einführung in virtuelle Realität und Therapie

Virtuelle Realität bietet eine moderne Lösung zur Behandlung von Angst. In VRET können Menschen sich in einem sicheren, kontrollierten Rahmen ihren Ängsten stellen. Wenn jemand zum Beispiel Angst vor Spinnen hat, kann er in eine virtuelle Umgebung versetzt werden, die mit Spinnen gefüllt ist. Diese Konfrontation kann ihnen helfen, ihre Angst zu bewältigen.

Die meisten Anwendungen von virtueller Realität versuchen, zu bewerten, wie es einem Benutzer geht, damit die Erfahrung entsprechend angepasst werden kann. Es gibt zwei Hauptmethoden, um den Zustand des Benutzers zu bewerten: subjektive und objektive Methoden. Subjektive Methoden hängen davon ab, dass die Person berichtet, wie sie sich fühlt, normalerweise durch Interviews oder Fragebögen. Während diese Methoden Informationen liefern können, spiegeln sie oft nicht genau wider, wie die Person sich wirklich fühlt.

Auf der anderen Seite beinhalten objektive Methoden die Beobachtung des Benutzers oder die Analyse seiner physiologischen Signale. Diese Methoden können potenziell eine genauere Sicht auf den Zustand einer Person geben, da sie nicht auf Selbstberichte angewiesen sind.

#Bedeutung physiologischer Messungen

Physiologische Signale wie Herzfrequenz, Hauttemperatur und Blutfluss können einfach gemessen werden, während jemand virtuelle Realität nutzt. Diese Signale können anzeigen, wie eine Person auf die Erfahrung reagiert, und Reaktionen erfassen, dessen sie sich möglicherweise nicht bewusst ist. Das Studium dieser physiologischen Massnahmen gibt Forschern Daten, die für maschinelles Lernen verwendet werden können, um Gefühle von Stress, Angst und anderen psychischen Zuständen vorherzusagen.

Physiologische Daten sind wertvoll, um Systeme zu schaffen, die sich in Echtzeit an die Bedürfnisse eines Benutzers anpassen. In Therapie und Rehabilitation kann beispielsweise die Verwendung dieser Signale helfen, die Behandlung basierend auf den Reaktionen des Benutzers anzupassen.

#Arten physiologischer Messungen in virtueller Realität

Es gibt verschiedene Arten physiologischer Messungen, die in virtuellen Realitätseinstellungen nützlich sein können. Sie lassen sich in vier Hauptbereiche einteilen:

1. Therapie und Rehabilitation: Das Messen physiologischer Signale kann helfen zu beurteilen, ob eine Therapie effektiv ist, Feedback zu geben und den therapeutischen Ansatz anzupassen.

2. Training und Bildung: Das Überwachen von Stresslevels kann helfen, Trainingsprogramme so anzupassen, dass die Lernergebnisse maximiert werden.

3. Unterhaltung: Im Gaming kann das Verständnis des Stresses eines Spielers das Erlebnis verbessern.

4. Allgemeine Eigenschaften der virtuellen Realität: Das Messen von Signalen kann helfen, mehr darüber zu verstehen, wie Benutzer mit virtuellen Umgebungen interagieren.

Die Verwendung physiologischer Massstäbe in der Therapie erfordert sorgfältige Überlegung. Es gibt hauptsächlich zwei Möglichkeiten, therapeutische Systeme basierend auf den gemessenen Daten anzupassen: regelbasierte Methoden und maschinelles Lernen.

Regelbasierte Methoden verwenden einen festen Standard, um zu bestimmen, ob der Stress eines Benutzers normal oder abnormal ist. Diese Methoden können schnell und einfach sein, sind aber möglicherweise nicht immer genau, weil sie auf vordefinierten Schwellenwerten basieren, die individuelle Unterschiede nicht berücksichtigen.

Methoden des maschinellen Lernens hingegen identifizieren automatisch Muster in den physiologischen Daten und stellen somit eine vielversprechende Option für adaptive Systeme dar. Diese Methoden könnten potenziell ein besseres Verständnis der Stress- oder Angstlevel eines Individuums bieten.

#Frühere Forschung zur Stressdetektion

Einige frühere Studien zur Stressdetektion in der virtuellen Realität verwendeten Methoden des maschinellen Lernens, hauptsächlich unter Verwendung verschiedener physiologischer Signale. Forschungen in diesem Bereich haben gezeigt, dass immersive Umgebungen erfolgreich Stress bei den Teilnehmern auslösen können. Diese Studien nutzten oft dynamische Umgebungen – wie virtuelle Achterbahnen oder dunkle Räume – um Angst zu verstärken.

Viele dieser Studien verwendeten jedoch Methoden, die komplexe Setups erforderten, wie EEG, die invasiv und kostspielig sein können. Alternativen wie PPG bieten eine nicht-invasive und kostengünstige Möglichkeit, physiologische Daten zu sammeln.

#Unser Studiendesign

In unserer Studie entwarfen wir ein Setup für virtuelle Realität, das PPG-Daten während der Exposition gegenüber zwei Umgebungen sammelt: einer entspannenden und einer stressigen. Wir wollten sehen, ob PPG effektiv zwischen diesen beiden Geisteszuständen unterscheiden kann.

Die entspannende Umgebung beinhaltete natürliche Elemente wie Berge, Flüsse und Bäume, begleitet von beruhigenden Klängen. Die stressige Umgebung hingegen war in einer Leichenschauhaus-Situation mit gruseligen Geräuschen und animierten Spinnen, die sich dem Teilnehmer näherten, aber einen sicheren Abstand hielten.

#Teilnehmerinformationen

Wir führten die Studie mit sechzehn gesunden Teilnehmern im Alter von 18 bis 35 Jahren durch. Alle Teilnehmer füllten einen Fragebogen aus, um sicherzustellen, dass sie keine bestehende Angst vor Spinnen hatten. Die Teilnehmer erhielten eine kleine Geschenkkarte für ihre Teilnahme an der Studie.

#Stressmessung mit PPG

Während des Experiments befestigten wir einen PPG-Sensor am Finger des Teilnehmers, um den Blutfluss zu messen. Diese Methode ist zugänglich und effektiv zur Überwachung der Herzfrequenzvariabilität (HRV), einem entscheidenden Faktor zur Beurteilung des Stressniveaus.

Um die Menge an Stress zu validieren, die die Teilnehmer während der VR-Sitzungen erlebten, verwendeten wir die Subjective Unit of Distress (SUDs) Skala, bei der die Teilnehmer ihren Stress von 0 (keinen Stress) bis 100 (maximaler Stress) bewerteten.

#Versuchsablauf

Der Ablauf begann damit, dass der Teilnehmer ein Einwilligungsformular unterschrieb. Nach dem Anbringen des PPG-Sensors trugen sie ein Head-Mounted Display und wurden in die Steuerung in einer kurzen Testumgebung eingeführt. Danach wurden sie beiden Umgebungen, der entspannenden und der stressigen, jeweils sieben Minuten lang ausgesetzt, gefolgt von regelmässigen SUDs-Bewertungen während der Erfahrung.

#Ergebnisse und Analyse

Sobald wir die PPG-Daten gesammelt hatten, analysierten wir sie, um festzustellen, wie genau wir die Zustände der Teilnehmer als entspannt oder gestresst klassifizieren konnten. Mithilfe von Algorithmen des maschinellen Lernens versuchten wir, ihre mentalen Zustände basierend auf den PPG-Daten vorherzusagen.

Wir wählten einen gleitenden Fensteransatz, um die PPG-Daten zu segmentieren, und konzentrierten uns darauf, relevante Merkmale zu extrahieren, die uns helfen würden, die Stresslevel genau zu klassifizieren. Nach Anwendung verschiedener Modelle des maschinellen Lernens stellten wir fest, dass das am besten funktionierende Modell die Zustände mit einer Genauigkeit von über 70 % klassifizieren konnte.

#Subjektives Feedback

Neben den physiologischen Daten sammelten wir qualitative Rückmeldungen von den Teilnehmern. Die Ergebnisse zeigten, dass die meisten Teilnehmer die stressige Umgebung als viel angstinduzierender empfanden als die entspannende Einstellung.

Die Teilnehmer teilten auch mit, welche spezifischen Merkmale der Spinnen in der virtuellen Umgebung sie am meisten erschreckten, und offenbarten, dass Bewegung und Grösse bedeutende Faktoren waren.

Während die meisten Teilnehmer sich beim Gebrauch von VR wohlfühlten, berichteten einige von geringfügigen Nebenwirkungen wie Augenbelastung oder allgemeinem Unbehagen. Insgesamt deuteten ihre Reaktionen darauf hin, dass die VR-Umgebungen effektiv waren, um die gewünschten Stresslevel zu erzeugen.

#Fazit

Unsere Arbeit stellt einen bedeutenden Fortschritt in der Verwendung nicht-invasiver Methoden wie PPG zur Erkennung von Stress und Angst in virtuellen Realitätseinstellungen dar. Die Fähigkeit, die mentalen Zustände der Benutzer genau zu klassifizieren, eröffnet Möglichkeiten für die Nutzung dieser Technologie in adaptiven Therapiesystemen.

Virtuelle Realität kann eine entscheidende Rolle bei der Entwicklung personalisierter therapeutischer Interventionen spielen, und unsere Ergebnisse ebnen den Weg für die Integration physiologischer Daten in Echtzeitanpassungen der Therapie, wodurch Sitzungen effektiver und auf individuelle Bedürfnisse zugeschnitten werden.

Zukünftige Systeme können von unserer Forschung profitieren und weiter erkunden, wie diese Modelle Menschen mit Angststörungen helfen können. Durch die Verfeinerung der virtuellen Umgebungen und die Integration adaptiver Technologien können wir die Wirksamkeit der Therapie erhöhen, was zu besseren Ergebnissen für die Patienten führt.