Facharzt des Artikels
Neue Veröffentlichungen
Künstliche Intelligenz ist in der Lage, Depressionen zu erkennen
Zuletzt überprüft: 02.07.2025
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.
Warum ist eine Depression, insbesondere im Frühstadium, so schwer zu erkennen? Gibt es Methoden, die Diagnose zu optimieren? Diese Fragen haben sich Wissenschaftler gestellt.
Bevor ein Arzt eine Depression diagnostizieren kann, muss er eine schwierige Aufgabe bewältigen: Er muss alle möglichen Daten über den Patienten sammeln, ein vollständiges Bild der Krankheit erstellen, die Merkmale der Persönlichkeitsbildung und des Lebensstils analysieren, mögliche Symptome verfolgen und die Ursachen herausfinden, die den Krankheitsverlauf indirekt beeinflussen könnten. Wissenschaftler des Massachusetts Institute of Technology haben ein Modell entwickelt, das Depressionen ohne spezifische Testfragen allein anhand von Gesprächsmerkmalen und Schreibstil feststellen kann.
Wie Tuki Alhanai, einer der Leiter des Forschungsprojekts, erklärt, kann der erste Alarm für eine Depression genau während eines Gesprächs mit einem Patienten erklingen, unabhängig von dessen momentaner emotionaler Verfassung. Um das Diagnosemodell zu erweitern, müssen die Informationsbeschränkungen minimiert werden: Es genügt ein normales Gespräch, sodass das Modell den Zustand des Patienten im Rahmen eines natürlichen Gesprächs beurteilen kann.
Die Forscher bezeichneten das von ihnen entwickelte Modell als „kontextfrei“, da es keine Einschränkungen hinsichtlich der gestellten Fragen und der gehörten Antworten gab. Mithilfe einer sequenziellen Modellierungstechnik fütterten die Forscher das Modell mit Text- und Audioversionen von Gesprächen mit Patienten mit und ohne depressive Störungen. Mit zunehmender Anzahl der Sequenzen kristallisierten sich Muster heraus – beispielsweise die standardmäßige Verwendung von Wörtern wie „traurig“, „fallen“ und monotonen akustischen Signalen in Gesprächen.
„Das Modell erkennt die verbale Sequenz und bewertet die erlernten Muster als die wahrscheinlichsten Faktoren, die bei Patienten mit und ohne Depression vorhanden sind“, erklärt Professor Alhanai. „Wenn die KI dann bei nachfolgenden Patienten ähnliche Sequenzen bemerkt, kann sie bei ihnen eine Depression diagnostizieren.“
Testversuche zeigten, dass das Modell in 77 % der Fälle eine Depression erfolgreich diagnostizierte. Dies ist das beste Ergebnis aller bisher getesteten Modelle, die mit klar strukturierten Tests und Fragebögen „arbeiteten“.
Beabsichtigen Experten, künstliche Intelligenz in der Praxis einzusetzen? Wird sie in die Basis nachfolgender Modelle „intelligenter“ Assistenten integriert? Wissenschaftler haben sich hierzu noch nicht geäußert.
Informationen zur Studie sind auf der Website des Massachusetts Institute of Technology veröffentlicht. Detaillierte Informationen finden Sie auch auf den Seiten http://groups.csail.mit.edu/sls/publications/2018/Alhanai_Interspeech-2018.pdf
[ 1 ]