Künstliche Intelligenz soll Selbstmordrisiko vorhersagen

In einer Studie konnte ein Algorithmus selbstmordgefährdete Menschen anhand von neuronalen Mustern mit hoher Präzision erkennen. Zukünftig könnten solche KI-Systeme bei der Diagnose unterstützen unabhängig von einer Selbstauskunft.

Das Gehirn ist kein starres Konstrukt, sondern verändert seine neuronalen Aktivitäten anhand von Stimuli wie Verhalten und Erlebnissen. Mit fortschrittlichen Algorithmen können diese Aktivitätsmuster so dekodiert werden, dass Rückschlüsse über den Menschen möglich sind. Eine kürzlich veröffentlichte Studie zeigte, dass ein mit entsprechenden Daten trainierter Algorithmus anhand von Gehirnscans in Echtzeit grob entschlüsseln kann, was Menschen in einem Video sehen.

Das gleiche Prinzip wandten Forscher der Universität Carnegie Mellon in Pittsburgh jetzt auf Menschen mit suizidalen Tendenzen an. Sie untersuchten 34 Probanden, die Hälfte von ihnen hatte sich mit Selbstmord beschäftigt oder einen Selbstmordversuch unternommen. Die andere Hälfte gehörte einer gesunden Kontrollgruppe an.

Die Probanden wurde während eines Magnetresonanz-Gehirnscans mit positiven und negativen Begriffen wie "Tod", "Leid" oder "Lob" und "Freude" stimuliert. Die Forscher identifizierten so neuronale Muster, die sie mit suizidalem Verhalten in Verbindung brachten und die sie für das Training des Algorithmus nutzten. Die neuronalen Muster sollen unabhängig vom individuellen Patienten auf andere Menschen übertragbar sein.