Psychische Erkrankungen zählen weltweit zu den führenden Gesundheitsproblemen. Bisher fehlen ausreichend feingranulare und kontinuierliche Daten, um individuelle Verläufe und Risikoprofile präzise zu erfassen. Gerade die Verknüpfung subjektiver, sensorbasierter und sozialer Faktoren birgt das Potenzial, Früherkennung, Prävention und Therapie von psychischen Erkrankungen nachhaltig zu verbessern. Das Projekt SENSED-MH gewinnt durch die Integration von Ecological Momentary Assessment (EMA), Smart-Sensing-Daten, Fragebögen sowie sozial- und umweltbezogenen Faktoren ein detailliertes Verständnis psychischer Gesundheit (u. a. Risiko- und Schutzfaktoren; Behandlungsstrategien). Per App werden EMA und Sensorparameter in einer Beobachtungsstudie erfasst sowie sozialräumliche Informationen und Fragebögen. Mit inferenzstatistischen und maschinellen Lernverfahren werden Zusammenhänge und Vorhersagemodelle untersucht für innovative, alltagsnahe Ansätze in der Versorgung psychischer Erkrankungen. Die Zunahme Stress-assoziierter psychischer Störungen bei Kindern und Jugendlichen verdeutlichen die Relevanz eines besseren Verständnisses der individuellen Unterschiede in der Reaktion auf Stress und Widrigkeiten. Es werden daher im Projekt TRESPE Menschen mit erhöhtem Risiko für psychische Erkrankungen in Bezug auf Resilienzprozesse untersucht, um diagnoseübergreifende und mechanistische Hypothesen zu generieren und diese anschließend im Tiermodell zu untersuchen. Instrumente zur Erfassung von Resilienzprozessen werden darauffolgend in humanen Kohorten validiert. Mithilfe von Bildgebung des Gehirns wird eine Schätzung des Gehirnalters (BrainAGE) in longitudinalen klinischen Kohorten und Kohorten der Allgemeinbevölkerung berechnet und in Zusammenhang mit einer Resilienzbewertung, Kognition und Krankheitsverläufen gebracht. Im Tiermodell werden analog mithilfe von Bildgebung (neuro)physiologische Mechanismen getestet.