MIT-Forscher trainierten ein künstliches neuronales Netz mit einer Datenbank klinischer Interviews. Nun soll es Depressionen anhand geschriebener und gesprochener Äußerungen diagnostizieren können.
Bei klinischen Interviews wird ein Patient ausführlich zu vergangenen und gegenwärtigen Lebensgewohnheiten, Verhaltensweisen und Befindlichkeiten befragt. Anhand der Antworten beurteilen Ärzte und Psychologen, ob eine Depression vorliegt und wie stark sie ausgeprägt ist.
Nun haben Forscher des MIT eine Diagnose-KI entwickelt, die Depressionen anhand von Äußerungen erkennen soll, die nicht im Kontext eines psychologischen Gesprächs getätigt wurden. Die Anwendbarkeit des diagnostischen Modells soll dadurch bedeutend erweitert werden.
"Die Sprache liefert die ersten Hinweise darauf, wie sich eine Person fühlt", schreibt der KI-Forscher Tuka Alhanai in einer wissenschaftlichen Arbeit, die auf der Interspeech Conference vorgestellt wurde. "Um ein skalierbares Diagnosemodell für Depressionen zu entwickeln, muss man die Beschränkungen aufseiten vorliegenden Datenmaterials minimieren. Das Modell sollte den psychischen Zustand eines Individuums anhand herkömmlicher Gespräche ermitteln können."
Anhand realer Interviews trainiert
Für das Training des künstlichen neuronalen Netzes griffen die Forscher auf 142 Gespräche des Distress Analysis Interview Corpus zurück, einer Sammlung klinischer Interviews, die für die maschinelle Verarbeitung zusammengestellt wurde. Die Gespräche liegen zwecks optimaler Auswertbarkeit in Text-, Audio- und Videoform vor.
Die Interviewten bestehen aus Gruppen mit oder ohne psychischer Erkrankung. Wie stark die Depression ausgeprägt ist, wird anhand einer Skala von 0-27 festgelegt. Wer einen Wert von 10 oder höher erreicht, gilt als depressiv. In dem von MIT-Forschern verwendeten Datensatz gilt das für 20 Prozent der Befragten.
Die KI wurde mittels Sequenzmodellierung trainiert. Hierbei wurden nicht nur Elemente, sondern ganze Sprachsequenzen auf sich wiederholende Muster analysiert und mit den Einstufungen abgeglichen.
Wenn das Smartphone sagt, man sei depressiv
Für die Auswertung der KI-Diagnosen wandten die Forscher zwei Kriterien an: Erstens, ob die KI eine Person korrekt als depressiv diagnostiziert und zweitens, wie genau sie den Schweregrad der Depression einstuft. Im ersteren Fall lag die KI in 83 Prozent der Fälle richtig, im letzteren 71 Prozent. Die allgemeine Trefferquote lag bei 77 Prozent und übertraf damit fast alle übrigen Modelle.
Die MIT-Forscher sehen mehrere Anwendungsfälle für die Künstliche Intelligenz: Sie könnte Ärzte bei der Diagnose unterstützen und feinste Persönlichkeitsveränderungen ausmachen, die einem Psychologen möglicherweise entgehen. Ein weiteres Anwendungsszenario wären Apps oder KI-Assistenten, die erfassen, was der Nutzer schreibt und sagt und diesen warnen, wenn Anzeichen einer Depression auftreten.
Die KI-Forscher wollen als nächstes herausfinden, an welchen datenübergreifenden Mustern die KI Diagnosen festmacht. Die Entscheidungsfindung sei ein wenig wie eine Black Box, sagen die Verantwortlichen in einer Pressemitteilung. In Zukunft wollen sie die KI außerdem auf andere kognitive Erkrankungen wie Demenz anwenden.
Weiterlesen zum Thema:
- Neue Facebook-KI soll Selbstmorde verhindern
- Künstliche Intelligenz soll Psychosen an der Sprache erkennen
- KI-Forscher beschreibt aktuelle Grenzen Künstlicher Intelligenz
