^
A
A
A

Künstliche Intelligenz kann Depressionen erkennen.

 
, Medizinischer Redakteur
Zuletzt überprüft: 16.10.2021
 
Fact-checked
х

Alle iLive-Inhalte werden medizinisch überprüft oder auf ihre Richtigkeit überprüft.

Wir haben strenge Beschaffungsrichtlinien und verlinken nur zu seriösen Medienseiten, akademischen Forschungseinrichtungen und, wenn möglich, medizinisch begutachteten Studien. Beachten Sie, dass die Zahlen in Klammern ([1], [2] usw.) anklickbare Links zu diesen Studien sind.

Wenn Sie der Meinung sind, dass einer unserer Inhalte ungenau, veraltet oder auf andere Weise bedenklich ist, wählen Sie ihn aus und drücken Sie Strg + Eingabe.

18 January 2019, 09:00

Warum ist es so schwer, Depressionen zu erkennen, besonders in den frühen Stadien? Gibt es Methoden zur Optimierung der Diagnose? Solche Fragen werden von den Wissenschaftlern gestellt.

Bevor die Depression diagnostiziert wird, muss der Arzt eine schwierige Arbeit verrichten: Erheben Sie alle möglichen Daten über den Patienten, zeigen Sie ein vollständiges Bild der Pathologie, analysieren Sie die Merkmale der Persönlichkeitsbildung und den Lebensstil der Person, verfolgen Sie mögliche Symptome und ermitteln Sie die Ursachen, die sich indirekt auswirken könnten Entwicklung eines schmerzhaften Zustands. Wissenschaftler des Massachusetts Institute of Technology haben ein Modell entwickelt, das Depressionen in einer Person ohne spezifische Testfragen erkennen kann, die nur auf Konversationsfunktionen und einem schriftlichen Stil basieren.

Einer der Leiter des Forschungsprojekts, Tuki Alhanai, erklärt, dass die erste "Glocke" über das Vorhandensein von Depressionen während eines Gesprächs mit einem Patienten zu hören ist, unabhängig von dem emotionalen Zustand der Person zu einem bestimmten Zeitpunkt. Um das Diagnosemodell zu erweitern, ist es erforderlich, die Anzahl der auf Informationen angewendeten Einschränkungen zu minimieren: Sie müssen lediglich ein normales Gespräch führen, damit das Modell den Zustand des Patienten im Verlauf eines natürlichen Gesprächs beurteilen kann.

Die Experten bezeichneten das erstellte Modell als "aus dem Zusammenhang" heraus, da in den gestellten Fragen keine Einschränkungen oder Antworten vorhanden waren. Mit der Methode der sequentiellen Modellierung schickten die Forscher Modelle von Text- und Klangversionen von Gesprächen mit Patienten, die an depressiven Störungen litten und nicht. Im Zuge der Anhäufung von Sequenzen kamen Gesetze zum Vorschein, zum Beispiel die standardmäßige Einbeziehung von Wörtern wie "traurig", "fallen" in das Gespräch und auch audotonische monotone Signale.

"Das Modell unterscheidet die verbale Konsistenz und wertet erkannte Muster in Form der möglichen gegenwärtigen Faktoren bei Patienten, die an Depression leiden oder nicht leiden", erklärt Professor Alkhanai. "Wenn die künstliche Intelligenz ähnliche Sequenzen bei den folgenden Patienten feststellt, kann er auf dieser Grundlage einen depressiven Zustand bei ihnen diagnostizieren."

Teststudien zeigten in 77% der Fälle eine erfolgreiche Depression. Dies ist das beste Ergebnis, das unter allen zuvor getesteten Modellen aufgezeichnet wurde, die mit klar strukturierten Tests und Fragebögen „funktionierten“.

Schlagen die Experten vor, künstliche Intelligenz in der Praxis einzusetzen? Wird er in der Basis späterer Modelle von "intelligenten" Assistenten sein? Aus diesem Grund haben Wissenschaftler ihre Ansichten noch nicht geäußert.

Informationen zur Studie sind auf der Website des Massachusetts Institute of Technology veröffentlicht. Es ist auch detailliert auf den Seiten zu finden.http://groups.csail.mit.edu/sls/publications/2018/Alhanai_Interspeech-2018.pdf

trusted-source[1]

Translation Disclaimer: For the convenience of users of the iLive portal this article has been translated into the current language, but has not yet been verified by a native speaker who has the necessary qualifications for this. In this regard, we warn you that the translation of this article may be incorrect, may contain lexical, syntactic and grammatical errors.

You are reporting a typo in the following text:
Simply click the "Send typo report" button to complete the report. You can also include a comment.