Eine Metaanalyse von 2025 mit 54 Studien ergab, dass sprachbasierte Instrumente eine leichte kognitive Beeinträchtigung (MCI) mit einer gepoolten Fläche unter der Kurve (AUC) von 78,0% vom gesunden Altern trennen, was bedeutet, dass eine zufällig gewählte Person mit MCI etwa 78 von 100 Mal als wahrscheinlicher beeinträchtigt eingestuft wird als eine zufällig gewählte gesunde Person. Derselbe Review berichtet eine Sensitivität von 80,0% und eine Spezifität von 77,0% (Jafari et al., Age and Ageing 2025). Gemeinsame Forschungs-Challenges zeigen, wie weit das Feld bei einem festen Datensatz gekommen ist: Der Sieger von ADReSS 2020 erreichte eine Genauigkeit von 89,58% gegenüber einer Basis von 75%, während ein Modell der Framingham Heart Study mit 1.084 Teilnehmenden eine AUC von 92,6% für normale Kognition versus Demenz erzielte, aber nur 74,4% bei der schwierigeren Aufgabe normal versus MCI. Gleichzeitig hatten nur 10,6% der US-Medicare-Versicherten, die in einer Umfrage die MCI-Kriterien erfüllten, eine dokumentierte Diagnose, und genau diese Lücke sollen Stimmbiomarker schließen. Wir haben Daten aus begutachteten Metaanalysen in Age and Ageing und im Journal of Prevention of Alzheimer’s Disease, den Papieren der ADReSS-Challenge, der Framingham Heart Study, TalkBank DementiaBank, der Alzheimer’s Association, der WHO, der FDA und der Global CEO Initiative on Alzheimer’s Disease zusammengeführt. Zur Hörseite derselben Geschichte über das alternde Gehirn siehe unsere separate Zusammenstellung zu Hörverlust und Demenzrisiko.
Diese Seite gibt ausschließlich Forschungsergebnisse wieder. Sie ist keine medizinische Beratung, und keines der hier beschriebenen Instrumente ersetzt eine klinische Untersuchung.
TL;DR
- Sprachbiomarker erkennen MCI mit einer gepoolten AUC von 78,0% und einer Genauigkeit von 80,0% über 21 Studien (Jafari et al., Age and Ageing 2025).
- Menschen mit Alzheimer-Krankheit pausieren etwa 1,20 Standardabweichungen länger als gesunde Kontrollpersonen (Cohen et al., Journal of the International Neuropsychological Society 2026).
- Der Sieger der ADReSS-Challenge 2020 erreichte 89,58% Genauigkeit an einem Testset mit 48 Personen (Luz et al., IEEE Open Journal of Signal Processing 2024).
- Auf Englisch trainierte und auf Griechisch getestete Modelle erreichten in ADReSS-M eine Spitzengenauigkeit von 87,0% (Luz et al., IEEE Open Journal of Signal Processing 2024).
- Ein Framingham-Sprachmodell erreichte 92,6% AUC für normal vs Demenz, aber 74,4% für normal vs MCI (Amini et al., Alzheimer’s and Dementia 2023).
- Die Sprache von 166 Framingham-Teilnehmenden mit MCI sagte die Progression zu Alzheimer innerhalb von 6 Jahren mit 78,5% AUC voraus (Amini et al., Alzheimer’s and Dementia 2024).
- DementiaBank listet 23 Korpora in 7 Sprachen, 13 davon auf Englisch (TalkBank DementiaBank 2026).
- 84% der 51 untersuchten Studien zu Sprach-KI hatten keine externe Validierung (de la Fuente Garcia et al., Journal of Alzheimer’s Disease 2020).
- Die durchschnittliche MCI-Erkennung in der US-Primärversorgung lag bei 0,08 der erwarteten Fälle über 226.756 Behandelnde (Liu et al., Journal of Prevention of Alzheimer’s Disease 2024).
- Expertenstandards verlangen von Erkennungsinstrumenten mindestens 80% Sensitivität und 85% Spezifität (Global CEO Initiative on Alzheimer’s Disease, Alzheimer’s and Dementia 2025).
- 7,4 Millionen Amerikaner ab 65 Jahren leben 2026 mit Alzheimer-Demenz (Alzheimer’s Association, 2026 Alzheimer’s Disease Facts and Figures).
1. Gepoolte Erkennungsgenauigkeit: Was die Metaanalysen sagen
Die Schlagzeilenzahl ist respektabel, aber nicht entscheidend. Eine gepoolte Spezifität von 77,0% bedeutet, dass etwa 23 von 100 getesteten kognitiv gesunden Menschen fälschlich auffällig würden (100% minus 77%), und das zählt in einem Wartezimmer der Primärversorgung weit mehr als in einem Forschungslabor, in dem die Hälfte der Stichprobe von vornherein beeinträchtigt ist. Die gepoolte Sensitivität von 80,0% liegt genau an der Untergrenze, die Expertenstandards für ein Erkennungsinstrument setzen, während die Spezifität unter der Untergrenze von 85% liegt (siehe Abschnitt 7).
Die Metaanalyse in Age and Ageing sichtete 4.432 Datensätze und behielt 54 Artikel, von denen 35 in die gepoolten Schätzungen einflossen. Ihre Autoren benennen die Einschränkungen offen: Sprachaufgaben, Merkmale und Machine-Learning-Modelle unterschieden sich stark, 25 der 54 Studien hatten weniger als 30 Teilnehmende pro Gruppe, und vorwiegend mit englischsprachigen Personen trainierte Modelle lassen sich möglicherweise nicht auf andere Sprachen, Dialekte oder Bildungsniveaus übertragen.
| Metrik | Wert | Quelle |
|---|---|---|
| Gepoolte Genauigkeit, sprachbasierte Instrumente, MCI vs kognitiv unbeeinträchtigte Erwachsene | 80,0% (95%-KI 70,0% bis 89,0%, 21 Studien) | Jafari et al., Age and Ageing 2025 |
| Gepoolte Fläche unter der Kurve (AUC), MCI vs kognitiv unbeeinträchtigte Erwachsene | 78,0% (95%-KI 70,0% bis 86,0%) | Jafari et al., Age and Ageing 2025 |
| Gepoolte Sensitivität und gepoolte Spezifität | 80,0% (22 Studien) und 77,0% (15 Studien) | Jafari et al., Age and Ageing 2025 |
| Gepoolte Studien zur Pausenlänge vs zur Sprechgeschwindigkeit | 13 vs 8 Studien | Cohen et al., Journal of the International Neuropsychological Society 2026 |
| Pausenlänge, Menschen mit Alzheimer vs gesunde Kontrollpersonen | Etwa 1,20 SD länger (MCI: etwa 0,62 SD länger) | Cohen et al., Journal of the International Neuropsychological Society 2026 |
| Unterschied der Sprechgeschwindigkeit, Menschen mit Alzheimer vs gesunde Kontrollpersonen | 0,66 SD (MCI: 0,27 SD) | Cohen et al., Journal of the International Neuropsychological Society 2026 |
| Akustische Parameter mit signifikantem Unterschied, Alzheimer vs gesunde Kontrollpersonen | 5 von 7 Parametern, 11 Studien | Saeedi et al., Journal of Prevention of Alzheimer’s Disease 2024 |
| In der akustischen Metaanalyse gepoolte Sprachproben | 1.000 (386 Alzheimer, 614 gesunde Kontrollpersonen) | Saeedi et al., Journal of Prevention of Alzheimer’s Disease 2024 |
Kontexthinweis: SD steht für Standardabweichung, eine Möglichkeit, einen Gruppenunterschied unabhängig von der gemessenen Einheit auszudrücken. Ein Unterschied von etwa 1,2 SD ist groß; 0,27 SD ist klein. Die Metaanalyse zu den Pausen berichtete eine erhebliche Heterogenität zwischen ihren Studien, das heißt, die Ergebnisse streuten stärker, als der Zufall allein erklären würde. Die akustische Metaanalyse bringt eine eigene Warnung mit: Verlangsamte Sprache tritt auch bei anderen neurodegenerativen Erkrankungen wie Parkinson und ALS auf, ein langsamer Sprecher ist also nicht automatisch ein Alzheimer-Fall. Unsere Zusammenstellung zu Sprache und Stimme bei Parkinson behandelt diese Überschneidung von der Behandlungsseite her.
2. Die ADReSS-Benchmarks: Gemeinsame Challenges auf einem festen Datensatz
Gemeinsame Challenges sind das Nächste, was dieses Feld an einem gemeinsamen Maßstab hat. Jedes Team erhält dieselben Aufnahmen der Cookie-Theft-Bildbeschreibung (eine standardisierte Strichzeichnung einer Küchenszene, die Menschen laut beschreiben) und wird am selben verdeckten Testset bewertet. Der Sprung von einer Basis von 75% auf eine Siegergenauigkeit von 89,58% bei ADReSS 2020 zeigt, was moderne Sprachmodelle aus einer einzigen Bildbeschreibung herausholen können.
Das Kleingedruckte ist die Größe des Testsets. Das ADReSS-2020-Papier hielt 48 Sprecher zurück, sodass jede falsch klassifizierte Person die Genauigkeit um etwa 2,1 Prozentpunkte verschiebt (1 von 48 = 2,08%). Die ADReSSo-Challenge 2021 entfernte die manuellen Transkripte und verlangte von den Teams, allein mit dem Audio zu arbeiten, und der ADReSS-M-Überblick ging noch weiter und trainierte auf Englisch und testete auf Griechisch.
| Metrik | Wert | Quelle |
|---|---|---|
| ADReSS-2020-Datensatz, Menschen mit Alzheimer vs Menschen ohne | 156 Sprecher (78 und 78), aufgeteilt in 108 Training und 48 Test | Luz et al., ADReSS-Challenge, Interspeech 2020 |
| ADReSS-2020-Basisgenauigkeit auf dem Testset, transkriptbasiertes vs audiobasiertes Modell | 75% vs 62,5% | Luz et al., ADReSS-Challenge, Interspeech 2020 |
| Genauigkeit des Siegerteams bei ADReSS 2020 | 89,58% | Luz et al., IEEE Open Journal of Signal Processing 2024 |
| ADReSSo-2021-Basis, Alzheimer-Erkennung nur mit Audio | 78,87% Genauigkeit | Luz et al., ADReSSo-Challenge, Interspeech 2021 |
| ADReSSo-2021-Basis, Vorhersage des kognitiven Abbaus über zwei Jahre | 68,75% Genauigkeit | Luz et al., ADReSSo-Challenge, Interspeech 2021 |
| ADReSS-M-2023-Daten, englisches Trainingsset vs griechisches Testset | 225 Sprecher (110 Alzheimer) vs 46 Sprecher (22 Alzheimer) | Luz et al., IEEE Open Journal of Signal Processing 2024 |
| ADReSS-M 2023, bestes Team, Genauigkeit der Alzheimer-Erkennung und MMSE-Fehler | 87,0% Genauigkeit, RMSE 3,727 | Luz et al., IEEE Open Journal of Signal Processing 2024 |
| Teilnahme an ADReSS-M 2023 | 24 Teams aus 14 Ländern, 17 reichten für beide Aufgaben ein | Luz et al., IEEE Open Journal of Signal Processing 2024 |
Kontexthinweis: MMSE ist die Mini-Mental-State-Untersuchung, ein kognitiver Papier-und-Bleistift-Test mit 30 Punkten, und RMSE (Wurzel des mittleren quadratischen Fehlers) ist die typische Abweichung zwischen dem vom Modell vorhergesagten und dem tatsächlichen Wert, gemessen in MMSE-Punkten. Die Aufgabe zum Abbau 2021 definierte Abbau als einen MMSE-Rückgang um 5 Punkte oder mehr zwischen Ausgangswert und zweitem Jahr. Die Organisatoren selbst warnen vor übermäßigem Testen: Wenn eine große Community Modelle an einem kleinen Datensatz abstimmt, können die Ergebnisse eher Parameterentscheidungen widerspiegeln als einen allgemeinen Zusammenhang zwischen Sprache und Kognition.
3. Sprachdatensätze: Der Datenengpass hinter den Modellen
Die meisten der obigen Genauigkeitswerte gehen auf wenige Korpora zurück. DementiaBank, das wichtigste gemeinsame Repositorium, listet 23 Korpora, 13 davon auf Englisch, während sich die übrigen 10 auf Deutsch, Griechisch, Koreanisch, Mandarin, Spanisch und Taiwanisch verteilen. Diese Konzentration ist der praktische Grund, warum Gutachter immer wieder warnen, dass Modelle sich möglicherweise nicht über Sprachen hinweg übertragen lassen.
Der Zugang ist bewusst beschränkt. Das DementiaBank-Repositorium ist passwortgeschützt und auf Mitglieder seines Konsortiums beschränkt, Studierende brauchen einen Förderer aus der Fakultät, und das Projekt wird vom US-amerikanischen National Institute on Aging finanziert. Die Seite enthält zudem einen Hinweis, dass das Repositorium im Hinblick auf Vorgaben der Regierung auf mögliche Änderungen geprüft wird, eine Erinnerung daran, dass eine einzige politische Änderung die Referenzdaten des Feldes beeinflussen kann. Auch Spracherkennungsfehler spielen hier eine Rolle, da viele Pipelines mit automatischen Transkripten beginnen; unsere Zusammenstellung zu Akzentverzerrung und Wortfehlerraten bei der Spracherkennung zeigt, wie ungleich dieser erste Schritt funktioniert.
| Metrik | Wert | Quelle |
|---|---|---|
| Aufgeführte DementiaBank-Korpora und Sprachen | 23 Korpora in 7 Sprachen | TalkBank-DementiaBank-Zugangsindex 2026 |
| Englische Korpora als Anteil aller DementiaBank-Korpora | 13 von 23 | TalkBank-DementiaBank-Zugangsindex 2026 |
| Teilnehmende des Pitt-Korpus: Kontrollpersonen, Demenz, unbekannte Diagnose | 104, 208 und 85 | TalkBank-DementiaBank-Seite zum Pitt-Korpus 2026 |
| Spanisches Ivanova-Korpus: Alzheimer, gesunde Kontrollpersonen, MCI | 74, 197 und 90 | TalkBank-DementiaBank-Zugangsindex 2026 |
| Auf der DementiaBank-Seite aufgeführte gemeinsame Challenges | 6 (darunter ADReSS 2020, ADReSSo 2021, ADReSS-M, TAUKADIAL-2024) | TalkBank DementiaBank 2026 |
| Studien zu Sprach-KI ohne externe Validierung | 84% von 51 Studien | de la Fuente Garcia et al., Journal of Alzheimer’s Disease 2020 |
| Studien zu Sprach-KI mit klassenbalancierten Daten (gleich viele beeinträchtigte und gesunde Sprecher) | 39% (20 von 51 Studien) | de la Fuente Garcia et al., Journal of Alzheimer’s Disease 2020 |
| Studien zu Sprach-KI, trainiert mit weniger als 50 Teilnehmenden vs mit 100 oder mehr | Etwa 31% vs 27% | de la Fuente Garcia et al., Journal of Alzheimer’s Disease 2020 |
Aktuellste verfügbare Daten für die Qualitätsprüfung der Studien: de la Fuente Garcia et al., Journal of Alzheimer’s Disease 2020, mit Forschung aus den Jahren 2000 bis 2019. Derselbe Review stellte fest, dass etwa 41% der Studien auf Englisch durchgeführt wurden und dass die meisten Studien nicht angaben, ob andere auf ihre Daten zugreifen können. Die Zahlen zum Pitt-Korpus stammen von der Seite zum Pitt-Korpus, die die ursprüngliche Kohortenbeschreibung der University of Pittsburgh von 1994 zitiert.
4. Die Stimmkohorte der Framingham Heart Study und andere Langzeitkohorten
Framingham ist ungewöhnlich, weil die Aufnahmen für routinemäßige neuropsychologische Tests entstanden und nicht für maschinelles Lernen. Diese Interviews werden seit 2005 digital aufgezeichnet, sodass Forschende Sprachmodelle an echten klinischen Gesprächen testen und anschließend mit dem abgleichen können, was mit denselben Menschen Jahre später geschah. Auf Rohaudio trennte ein Convolutional Neural Network normale Kognition und Demenz mit einer AUC von 0,805, und ein späteres Modell, das mit automatischen Transkripten von 1.084 Teilnehmenden arbeitete, erreichte beim gleichen Vergleich 92,6%.
Die schwierigere Zahl ist die frühe. Normal versus MCI fiel im sprachbasierten Modell auf 74,4% AUC, und die Studie zur 6-Jahres-Progression erreichte bei 166 Personen 78,5% AUC. Die Autoren dieser Studie weisen darauf hin, dass eine moderate Spezifität viele Patienten mit stabilem MCI fälschlich auffällig machen würde, dass die Teilnehmenden überwiegend weiß waren und dass das Modell außerhalb von Framingham nicht validiert wurde.
| Metrik | Wert | Quelle |
|---|---|---|
| Framingham-Studie mit Rohaudio: Teilnehmende und Aufnahmen | 656 Teilnehmende, 1.264 Aufnahmen (September 2005 bis März 2020) | Xue et al., Alzheimer’s Research and Therapy 2021 |
| Durchschnittliche Länge einer aufgezeichneten neuropsychologischen Sitzung | 73,13 Minuten (Spanne 8,43 bis 210,82) | Xue et al., Alzheimer’s Research and Therapy 2021 |
| AUC, normale Kognition vs Demenz, Convolutional Network vs LSTM-Netz | 0,805 vs 0,740 | Xue et al., Alzheimer’s Research and Therapy 2021 |
| Sprachmodell auf Transkripten, AUC für normal vs Demenz (1.084 Teilnehmende) | 92,6% | Amini et al., Alzheimer’s and Dementia 2023 |
| Dasselbe Modell, AUC für normal vs MCI | 74,4% | Amini et al., Alzheimer’s and Dementia 2023 |
| Vorhersage der Progression von MCI zu Alzheimer innerhalb von 6 Jahren: Teilnehmende und AUC | 166 (90 mit Progression, 76 stabil), AUC 78,5% | Amini et al., Alzheimer’s and Dementia 2024 |
| Aufnahmen zum Erinnern aus der Long Life Family Study, normale Kognition vs kognitive Beeinträchtigung | 598 vs 112 Teilnehmende | Park et al., Journal of the International Neuropsychological Society 2026 |
| Linguistischer Score vs herkömmliche Bewertung des verzögerten Geschichtenabrufs (AUC der Precision-Recall-Kurve) | 0,77 vs 0,81 | Park et al., Journal of the International Neuropsychological Society 2026 |
Aktuellste verfügbare Daten für die Framingham-Ergebnisse mit Rohaudio: Xue et al., Alzheimer’s Research and Therapy 2021. LSTM (Long Short-Term Memory) und Convolutional Networks sind zwei verbreitete Typen von Deep-Learning-Modellen. In der Analyse der Long Life Family Study war der Abstand zwischen 0,77 und 0,81 statistisch nicht signifikant (p = 0,292), und die Autoren warnen, dass ein Zirkularitätsproblem, da die Diagnosen teilweise auf demselben Erinnerungstest beruhten, die Genauigkeit wahrscheinlich aufgebläht hat.
5. Pathologiegestützte Studien: Amyloid, Tau und die präklinische Grenze
Die meisten Sprachstudien vergleichen Menschen mit klinischer Diagnose mit gesunden Freiwilligen. Der anspruchsvollere Test ist, ob die Sprache die zugrunde liegende Biologie abbildet, etwa Amyloid (ein Protein, das sich im Gehirn bei Alzheimer als Plaques ansammelt und per PET oder Liquor gemessen wird). In der größten hier erfassten Studie sinkt die sprachbasierte AUC für Amyloid-Positivität bei kognitiv unbeeinträchtigten Erwachsenen auf 0,71, gegenüber 0,82 bei Menschen, die bereits MCI oder leichten Alzheimer haben.
Dieses Muster zieht sich durch die kleinen pathologiegestützten Studien: Die Signale sind am deutlichsten, sobald Symptome vorliegen, und verblassen zum präklinischen Stadium hin. Eine spanische Studie an einer Gedächtnisambulanz stellte fest, dass akustische Merkmale den Amyloid-Status bei MCI besser vorhersagten als standardisierte neuropsychologische Tests, doch die Stichprobe umfasste 52 Personen aus einer einzigen Klinik. Eine niederländische Heimstudie zeigte, dass Menschen die Aufnahmen tatsächlich machen (91,6% Adhärenz), doch ihre Amyloid-bezogenen Unterschiede hielten einer Korrektur für multiples Testen nicht stand.
| Metrik | Wert | Quelle |
|---|---|---|
| Stichprobe der AMYPRED-Studie, Amyloid-positiv vs -negativ | 200 Teilnehmende (97 vs 103) | Fristed et al., Brain Communications 2022 |
| AUC für Amyloid-Positivität: Gesamtstichprobe vs Untergruppe ohne kognitive Beeinträchtigung | 0,77 vs 0,71 | Fristed et al., Brain Communications 2022 |
| AUC zur Erkennung von MCI oder leichtem Alzheimer aus etwa 6,56 Minuten Sprache | 0,83 | Fristed et al., Brain Communications 2022 |
| Amyloid-Status bei MCI (52 Patienten, 30 Amyloid-positiv): akustisches Modell vs neuropsychologische Tests | AUC 0,79 vs 0,66 | Garcia-Gutierrez et al., Frontiers in Neuroscience 2023 |
| Niederländische Sprachstudie zu Hause, kognitiv unbeeinträchtigte Erwachsene: Stichprobe, Amyloid-positiv, Adhärenz | 50 Erwachsene, 23 Amyloid-positiv (46%), 91,6% Adhärenz | van den Berg et al., Alzheimer’s Research and Therapy 2024 |
| Längere Pausen vor Adjektiven und Adverbien, Amyloid- und Tau-positive vs passende negative unbeeinträchtigte Erwachsene | 26 vs 26 Teilnehmende, p = 0,016 | Hale et al., Journal of Alzheimer’s Disease 2025 |
| MCI vs gesunde Kontrollpersonen: Sprachmetriken vs kognitive Standardmaße | AUC 0,80 vs 0,71 | Garcia, Alzheimer’s and Dementia 2025 (Kongressabstract) |
Kontexthinweis: Die AMYPRED-Studie wurde von Novoic Ltd finanziert, einem Unternehmen für Sprachanalyse, das mehrere ihrer Autoren beschäftigte, und ihre Stichprobe bestand aus 193 weißen, 3 asiatischen und 4 schwarzen oder afroamerikanischen Teilnehmenden. Aktuellste verfügbare Daten für dieses Design: Fristed et al., 2022. Die spanische Studie an der Gedächtnisambulanz und die niederländische Heimstudie sind beide Querschnittsstudien, sodass keine von beiden zeigt, dass Sprachveränderungen dem Amyloid im Zeitverlauf folgen. Das Kongressabstract von 2025 berichtet eine AUC von 0,89 sowohl für Wortmerkmal-Metriken als auch für Neuroimaging-Merkmale bei Alzheimer vs Kontrollen, ein Ergebnis, das nur als Abstract vorliegt.
6. Die Erkennungslücke: Krankheitslast und übersehene Diagnosen
Das Argument für ein günstiges, skalierbares Screening beruht auf zwei Zahlen: wie viele Menschen betroffen sind und wie viele übersehen werden. Bei 226.756 Behandelnden der US-Primärversorgung lag die durchschnittliche MCI-Erkennungsrate bei 0,08 der erwarteten Fallzahl, und nur 0,1% der Behandelnden und Praxen lagen im erwarteten Bereich (Liu et al., Journal of Prevention of Alzheimer’s Disease 2024). Eine Analyse nationaler Umfragedaten aus dem Jahr 2026, verknüpft mit Medicare-Abrechnungsdaten, kam aus anderer Richtung zu einem ähnlichen Bild: 10,6% der Personen, die die MCI-Kriterien erfüllten, hatten die Diagnose dokumentiert.
Die Krankheitslast hinter dieser Lücke ist nach jedem Maß groß. Die WHO führt 60% bis 70% der Demenzfälle auf die Alzheimer-Krankheit zurück und stuft Demenz als siebthäufigste Todesursache weltweit ein, und die Alzheimer’s Association berichtet, dass 1 von 3 älteren Amerikanern mit Alzheimer oder einer anderen Demenz stirbt. Ein Stimmtest kann diese Summen nicht ändern, aber er könnte verändern, wie früh Menschen in die Versorgung gelangen.
| Metrik | Wert | Quelle |
|---|---|---|
| Menschen mit Demenz weltweit und Alzheimer-Anteil an den Fällen | 57 Millionen (2021); Alzheimer 60% bis 70% der Fälle | WHO-Faktenblatt zu Demenz 2026 |
| Globale Kosten der Demenz | US$ 1,3 Billionen (2019) | WHO-Faktenblatt zu Demenz 2026 |
| Amerikaner ab 65 Jahren mit Alzheimer-Demenz | 7,4 Millionen (2026) | Alzheimer’s Association, 2026 Alzheimer’s Disease Facts and Figures |
| Unbezahlte Pflegende und unbezahlte Pflegestunden, Vereinigte Staaten | Fast 13 Millionen Pflegende, mehr als 19 Milliarden Stunden (2025) | Alzheimer’s Association, 2026 Alzheimer’s Disease Facts and Figures |
| Durchschnittliche MCI-Erkennungsrate in der US-Primärversorgung, 226.756 Behandelnde | 0,08 der erwarteten Fälle | Liu et al., Journal of Prevention of Alzheimer’s Disease 2024 |
| Medicare-Versicherte, die die MCI-Kriterien der Umfrage erfüllen und eine dokumentierte MCI-Diagnose haben | 10,6% (593 Befragte, etwa 2,6 Millionen gewichtete Versicherte) | Couch et al., Alzheimer’s and Dementia DADM 2026 |
| Anteil der Menschen mit Alzheimer und verwandten Demenzen in den USA, die möglicherweise undiagnostiziert sind | Mehr als 60% | Global CEO Initiative on Alzheimer’s Disease, Alzheimer’s and Dementia 2025 |
| Erwachsene, die mit ihrem Arzt über Gehirngesundheit gesprochen haben | 14% | Alzheimer’s Association, 2026 Alzheimer’s Disease Facts and Figures |
Quellen: WHO-Faktenblatt zu Demenz (aktualisiert am 3. Juli 2026), Alzheimer’s Association Facts and Figures und die Medicare-Studie zur MCI-Diagnose. In der Couch-Studie hatten Frauen (OR 2,13, 95%-KI 1,29 bis 3,51) und Menschen mit Bachelorabschluss oder höher (OR 2,21, 95%-KI 1,22 bis 4,02) eine höhere Wahrscheinlichkeit für eine dokumentierte Diagnose, während Menschen, die allein zu Arztterminen gingen, eine geringere Wahrscheinlichkeit hatten (OR 0,54). Die Erkennungsrate von 0,08 vergleicht dokumentierte Diagnosen mit einem Modell erwarteter Fälle und hängt daher von den Annahmen dieses Modells ab.
7. Regulatorischer Status und die Leistungsmesslatte für digitale Instrumente
Aufsichtsbehörden behandeln eine Sprachaufnahme noch nicht als Diagnose. In den Vereinigten Staaten ist ein computergestütztes Hilfsmittel zur kognitiven Beurteilung ein verschreibungspflichtiges Medizinprodukt der Klasse II nach 21 CFR 882.1470: Es interpretiert das aktuelle Niveau der kognitiven Funktion einer Person, kann aber nicht feststellen, ob eine klinische Diagnose vorliegt, und ist nicht für den eigenständigen Einsatz vorgesehen. Keine der für diese Zusammenstellung geprüften Quellen dokumentiert eine FDA-Zulassung einer rein sprachbasierten Alzheimer-Diagnostik.
Expertenstandards beziffern nun, was gut genug ist: mindestens 80% Sensitivität und 85% Spezifität für ein kurzes Erkennungsinstrument, laut der Global CEO Initiative on Alzheimer’s Disease. Vor dem Hintergrund dieser Untergrenzen erfüllt das gepoolte Sprachergebnis aus Abschnitt 1 die Sensitivitätsmarke und verfehlt die Spezifitätsmarke um 8 Punkte (85% minus 77%). Dasselbe Papier zeigt, warum die Spezifität beim Screening zählt: Bei 10% Prävalenz liefert selbst ein Instrument, das die Untergrenze erfüllt, einen positiven prädiktiven Wert von nur 37%. Die Empfehlungen der CEOi erwähnen Sprache oder Stimme überhaupt nicht.
| Metrik | Wert | Quelle |
|---|---|---|
| US-Geräteklasse für computergestützte Hilfsmittel zur kognitiven Beurteilung | Klasse II (besondere Kontrollen), nicht für eigenständige Diagnose | 21 CFR 882.1470 (eCFR 2026) |
| Empfohlenes Minimum für ein kurzes Erkennungsinstrument, Sensitivität und Spezifität | 80% und 85%, etwa 3 bis 5 Minuten | Global CEO Initiative on Alzheimer’s Disease, Alzheimer’s and Dementia 2025 |
| Empfohlenes Minimum für ein diagnostisches Hilfsmittel, Sensitivität für MCI und Spezifität | 85% und 90%, etwa 10 bis 20 Minuten | Global CEO Initiative on Alzheimer’s Disease, Alzheimer’s and Dementia 2025 |
| Positiver und negativer prädiktiver Wert eines Instruments an der Erkennungsuntergrenze, 10% Prävalenz | 37% und 97% | Global CEO Initiative on Alzheimer’s Disease, Alzheimer’s and Dementia 2025 |
| Erster von der FDA zugelassener Alzheimer-Bluttest: Übereinstimmung mit Amyloid-PET oder Liquor, positive und negative Ergebnisse | 91,7% und 97,3% (499 Proben) | FDA-Pressemitteilung, 16. Mai 2025 |
| Anteil der Bluttestergebnisse, die unbestimmt waren | Weniger als 20% von 499 Patienten | FDA-Pressemitteilung, 16. Mai 2025 |
| FDA-Breakthrough-Device-Einstufungen vs Marktzulassungen, alle Gerätetypen | 1.320 vs 210 (Stand 30. Juni 2026) | FDA-Programm Breakthrough Devices 2026 |
Kontexthinweis: Der positive prädiktive Wert ist der Anteil der Menschen mit positivem Ergebnis, die die Erkrankung tatsächlich haben. Die Mitteilung der FDA zum Bluttest ist ein nützlicher Vergleichsmaßstab, weil sie das Evidenzpaket zeigt, das ein zugelassener Alzheimer-Test heute mitbringt: 499 Proben, abgeglichen mit PET oder Liquor, wobei die Behörde erklärt, der Test sei nicht als Screening oder eigenständiger Diagnosetest gedacht. Die Zahlen des Breakthrough Devices Program umfassen alle Gerätekategorien, nicht speziell Sprachinstrumente.
Zusammenfassung: Stimmbiomarker bei Alzheimer und MCI in Zahlen
| Metrik | Wert | Quelle |
|---|---|---|
| Gepoolte AUC, sprachbasierte Instrumente, MCI vs kognitiv unbeeinträchtigte Erwachsene | 78,0% (95%-KI 70,0% bis 86,0%) | Jafari et al., Age and Ageing 2025 |
| Pausenlänge, Alzheimer vs gesunde Kontrollpersonen | Etwa 1,20 SD länger | Cohen et al., Journal of the International Neuropsychological Society 2026 |
| Akustische Parameter mit signifikantem Unterschied bei Alzheimer | 5 von 7 (11 Studien) | Saeedi et al., Journal of Prevention of Alzheimer’s Disease 2024 |
| ADReSS 2020, Basisgenauigkeit vs Siegergenauigkeit | 75% vs 89,58% | Luz et al., Interspeech 2020; IEEE Open Journal of Signal Processing 2024 |
| ADReSSo 2021, Basisgenauigkeit nur mit Audio | 78,87% | Luz et al., Interspeech 2021 |
| ADReSS-M 2023, Spitzengenauigkeit, auf Englisch trainiert, auf Griechisch getestet | 87,0% | Luz et al., IEEE Open Journal of Signal Processing 2024 |
| DementiaBank-Korpora, insgesamt und auf Englisch | 23 und 13 | TalkBank DementiaBank 2026 |
| Studien zu Sprach-KI ohne externe Validierung | 84% von 51 | de la Fuente Garcia et al., Journal of Alzheimer’s Disease 2020 |
| Framingham, AUC mit Rohaudio, normale Kognition vs Demenz | 0,805 | Xue et al., Alzheimer’s Research and Therapy 2021 |
| Framingham, AUC des Sprachmodells, normal vs Demenz und normal vs MCI | 92,6% und 74,4% | Amini et al., Alzheimer’s and Dementia 2023 |
| Vorhersage der Progression von MCI zu Alzheimer innerhalb von 6 Jahren | AUC 78,5% (166 Teilnehmende) | Amini et al., Alzheimer’s and Dementia 2024 |
| AUC der Sprache für Amyloid-Positivität bei kognitiv unbeeinträchtigten Erwachsenen | 0,71 | Fristed et al., Brain Communications 2022 |
| Akustisches Modell vs neuropsychologische Tests für den Amyloid-Status bei MCI | AUC 0,79 vs 0,66 | Garcia-Gutierrez et al., Frontiers in Neuroscience 2023 |
| Durchschnittliche MCI-Erkennungsrate in der US-Primärversorgung | 0,08 der erwarteten Fälle | Liu et al., Journal of Prevention of Alzheimer’s Disease 2024 |
| Medicare-Versicherte, die die MCI-Kriterien erfüllen und eine dokumentierte Diagnose haben | 10,6% | Couch et al., Alzheimer’s and Dementia DADM 2026 |
| Amerikaner ab 65 Jahren mit Alzheimer-Demenz | 7,4 Millionen (2026) | Alzheimer’s Association 2026 |
| Empfohlene Untergrenze für ein kurzes Erkennungsinstrument, Sensitivität und Spezifität | 80% und 85% | Global CEO Initiative on Alzheimer’s Disease 2025 |
| Erster von der FDA zugelassener Alzheimer-Bluttest, positive und negative Übereinstimmung | 91,7% und 97,3% | FDA, 16. Mai 2025 |
Methodik und Quellen
Wir führten gezielte Recherchen durch und übernahmen Zahlen nur aus Primärdokumenten, die vollständig oder auf Abstract-Ebene gelesen wurden: begutachtete Artikel in PubMed Central und Europe PMC, die Papiere der ADReSS-Challenge auf arXiv, die Seiten des DementiaBank-Repositoriums, Behördenseiten und die Alzheimer’s Association. Keine Zahl stammt aus einem sekundären Blog. Wo ein Papier eine Zahl uneinheitlich angibt, verwendeten wir den Wert aus dem Abstract und vermerkten den Konflikt weiter unten.
- Jafari Z, Andrew MK, Rockwood KJ. Diagnostic utility of speech-based biomarkers in mild cognitive impairment: a systematic review and meta-analysis. Age and Ageing, 2025.
- Cohen AS et al. Speech pause and speech rate for evaluating Alzheimer’s and mild cognitive impairment: a meta-analysis. Journal of the International Neuropsychological Society, 2026 (DOI 10.1017/s1355617725101677, Abstract über Europe PMC gelesen).
- Saeedi S et al. Acoustic Speech Analysis in Alzheimer’s Disease: A Systematic Review and Meta-Analysis. Journal of Prevention of Alzheimer’s Disease, 2024.
- Luz S et al. Alzheimer’s Dementia Recognition through Spontaneous Speech: The ADReSS Challenge. Interspeech, 2020.
- Luz S et al. Detecting cognitive decline using speech only: The ADReSSo Challenge. Interspeech, 2021.
- Luz S et al. An Overview of the ADReSS-M Signal Processing Grand Challenge on Multilingual Alzheimer’s Dementia Recognition Through Spontaneous Speech. IEEE Open Journal of Signal Processing, 2024.
- TalkBank DementiaBank-Startseite, Korpusindex und Seite zum Pitt-Korpus, abgerufen im Oktober 2026.
- de la Fuente Garcia S, Ritchie CW, Luz S. Artificial Intelligence, Speech, and Language Processing Approaches to Monitoring Alzheimer’s Disease: A Systematic Review. Journal of Alzheimer’s Disease, 2020.
- Xue C et al. Detection of dementia on voice recordings using deep learning: a Framingham Heart Study. Alzheimer’s Research and Therapy, 2021.
- Amini S et al. Automated detection of mild cognitive impairment and dementia from voice recordings: a natural language processing approach. Alzheimer’s and Dementia, 2023 (DOI 10.1002/alz.12721, Abstract über Europe PMC gelesen).
- Amini S et al. Prediction of Alzheimer’s disease progression within 6 years using speech. Alzheimer’s and Dementia, 2024.
- Park S et al. Linguistic features from paragraph recall are markers of cognitive impairment. Journal of the International Neuropsychological Society, 2026.
- Fristed E et al. AMYPRED study of speech and artificial intelligence screening for early Alzheimer’s disease and amyloid beta positivity. Brain Communications, 2022.
- Garcia-Gutierrez F et al. Acoustic speech parameters and amyloid status in individuals with mild cognitive impairment. Frontiers in Neuroscience, 2023.
- van den Berg RL et al. Digital remote assessment of speech acoustics in cognitively unimpaired adults. Alzheimer’s Research and Therapy, 2024.
- Hale MR et al. Linking silent pause locations in speech to amyloid and tau deposition in cognitively unimpaired individuals. Journal of Alzheimer’s Disease, 2025 (DOI 10.1177/13872877251371720, Abstract über Europe PMC gelesen).
- Garcia AM. Gauging speech and language markers of dementia against pathological and neuroimaging data. Alzheimer’s and Dementia, 2025 (Kongressabstract).
- WHO-Faktenblatt zu Demenz, aktualisiert am 3. Juli 2026.
- Alzheimer’s Association, 2026 Alzheimer’s Disease Facts and Figures.
- Liu Y et al. Detection Rates of Mild Cognitive Impairment in Primary Care for the United States Medicare Population. Journal of Prevention of Alzheimer’s Disease, 2024 (DOI 10.14283/jpad.2023.131, Abstract über Europe PMC gelesen).
- Couch E et al. Prevalence and predictors of diagnosed mild cognitive impairment among Medicare beneficiaries. Alzheimer’s and Dementia: Diagnosis, Assessment and Disease Monitoring, 2026.
- Thompson LI et al., Global CEO Initiative on Alzheimer’s Disease. Acceptable standards for clinic-based digital cognitive assessments. Alzheimer’s and Dementia, 2025.
- 21 CFR 882.1470, Computerized cognitive assessment aid, eCFR.
- US-amerikanische FDA. FDA Clears First Blood Test Used in Diagnosing Alzheimer’s Disease, 16. Mai 2025, und Statistiken des Breakthrough Devices Program mit Stand 30. Juni 2026.
- Daten-Hinweis: Die Metaanalyse in Age and Ageing ist an einigen Stellen in sich widersprüchlich: Ihr Abstract nennt 21 Studien und eine gepoolte AUC von 78,0%, während der Haupttext 23 Studien zählt und die Diskussion 76,0% zitiert; außerdem berichtet sie für alle Metriken unter einem Fixed-Effects-Modell I² = 0,00%, obwohl sie sehr unterschiedliche Methoden beschreibt, sodass ihre Konfidenzintervalle enger wirken können, als es die zugrunde liegende Evidenz hergibt. Der ADReSS-M-Überblick nennt in seiner Datentabelle 225 englische Trainingssprecher, in seinem Basisabschnitt aber 237 Trainingsproben. Das Framingham-Progressionspapier von 2024 berichtet in seinem Abstract eine Genauigkeit von 78,5%, in seiner Ergebnistabelle aber 78,8%. Das Papier zur Long Life Family Study nennt in seinen Methoden 14% beeinträchtigte Personen, in seiner Tabelle aber 16% (112 von 710 sind 15,8%). Die Qualitätsprüfung der Studien (de la Fuente Garcia et al.) berichtet, dass 77% ihrer 51 Studien keine Datenverfügbarkeit angaben, zählt aber auch 39 solcher Studien (39 von 51 sind 76,5%), weshalb wir diese Zahl aus den Tabellen herausgelassen haben. Diese Prüfung und die Framingham-Studie mit Rohaudio stammen aus den Jahren 2020 und 2021 und sind als aktuellste verfügbare Daten gekennzeichnet. Die Zahlen zur Krankheitslast in dieser Zusammenstellung umfassen nur die Vereinigten Staaten und globale Gesamtwerte. Mehrere pathologiegestützte Studien waren klein, Einzelzentrumsstudien oder von der Industrie finanziert, und keines der hier genannten Sprachinstrumente ist als eigenständige Diagnostik validiert.
Zuletzt aktualisiert: 24. Oktober 2026. Wir aktualisieren diese Zusammenstellung vierteljährlich, und die nächste Aktualisierung wird erwartet, wenn die Alzheimer’s Association ihren Bericht 2027 Alzheimer’s Disease Facts and Figures veröffentlicht.