KI kann das Psychoserisiko in der Alltagssprache vorhersagen
Die Sprache der Menschen könnte Hinweise auf ihr zukünftiges Risiko für die Entwicklung einer Psychose geben. Wissenschaftler schlossen daraus, nachdem sie die subtilen Merkmale der Alltagssprache der Menschen untersucht hatten.
Forscher der Emory University in Atlanta, GA, und der Harvard University in Boston, MA, verwendeten eine maschinelle Lerntechnik, um die Sprache einer Gruppe gefährdeter junger Menschen zu analysieren.
Sie fanden heraus, dass sie mit einer Genauigkeit von 93% vorhersagen konnten, welche Personen später eine Psychose entwickeln würden.
Ein kürzlich npj Schizophrenie Das Studienpapier beschreibt, wie das Team die Methode entwickelt und getestet hat.
Der leitende Studienautor Phillip Wolff, Professor für Psychologie an der Emory University, erklärt, dass frühere Forschungen bereits gezeigt hatten, dass "subtile Merkmale zukünftiger Psychosen in der Sprache der Menschen vorhanden sind". Er bemerkte jedoch: "Wir haben maschinelles Lernen verwendet, um tatsächlich verborgene Details zu diesen Funktionen aufzudecken."
Er und seine Kollegen entwickelten ihren Ansatz des maschinellen Lernens, um zwei sprachliche Variablen zu messen: die semantische Dichte und die Verwendung von Wörtern in Bezug auf Klang.
Sie kamen zu dem Schluss, dass "die Umwandlung in Psychose durch eine geringe semantische Dichte signalisiert wird und über Stimmen und Geräusche gesprochen wird".
Eine niedrige semantische Dichte ist ein Maß dafür, was das Team als „Armut des Inhalts“ oder Unbestimmtheit bezeichnet.
"Diese Arbeit", so die Autoren, "ist eine Proof-of-Concept-Studie, die zeigt, dass Indikatoren für die zukünftige psychische Gesundheit mithilfe von Berechnungsmethoden aus der natürlichen Sprache der Menschen extrahiert werden können."
Maschinelles Lernen und Psychosesymptome
Maschinelles Lernen ist eine Art künstliche Intelligenz, bei der Computer „aus Erfahrung lernen“, ohne dass Wissenschaftler das Lernen explizit programmieren müssen.
Ein maschinelles Lernsystem sucht nach Mustern in einem bekannten Datensatz und entscheidet, welche Muster bestimmte Merkmale identifizieren. Nachdem diese Funktionen „gelernt“ wurden, können sie unermüdlich in einem neuen Datensatz identifiziert werden.
Durch maschinelles Lernen können Muster im Sprachgebrauch von Menschen erkannt werden, die selbst Ärzte, die eine Ausbildung zur Diagnose und Behandlung von Psychoserisikanten absolviert haben, möglicherweise nicht bemerken.
„Der Versuch, diese Feinheiten in Gesprächen mit Menschen zu hören, ist wie der Versuch, mikroskopisch kleine Keime mit den Augen zu sehen“, erklärt die Autorin der ersten Studie, Neguine Rezaii, eine Mitarbeiterin der Abteilung für Neurologie an der Harvard Medical School.
Es ist jedoch möglich, maschinelles Lernen zu verwenden, um bestimmte subtile Muster zu finden, die sich in der Sprache der Menschen verstecken. "Es ist wie ein Mikroskop zur Warnung vor Anzeichen einer Psychose", fügt sie hinzu.
Rezaii begann an der Studie zu arbeiten, als sie in der Abteilung für Psychiatrie und Verhaltenswissenschaften der Emory University School of Medicine lebte.
Psychose ist ein Geisteszustand, in dem es schwierig sein kann, den Unterschied zwischen dem, was wirklich ist und dem, was nicht, zu erkennen.
Wenn eine Person in diesen Geisteszustand eintritt, nennen Ärzte es eine psychotische Episode. Während einer solchen Episode erleben Menschen gestörte Wahrnehmungen und Gedanken. Wahnvorstellungen und Halluzinationen sind häufige Symptome einer Psychose.
Während einer psychotischen Episode kann eine Person unangemessenes Verhalten zeigen oder inkohärent sprechen. Darüber hinaus können sie unter Schlafstörungen leiden und sozial zurückgezogen, depressiv und ängstlich werden.
In den Vereinigten Staaten leiden nach Angaben des National Institute of Mental Health, eines der National Institutes of Health (NIH), etwa 3% der Menschen im Laufe ihres Lebens an einer Psychose.
Verbesserung der Früherkennung des Psychoserisikos
Psychose ist ein Kennzeichen von Schizophrenie und anderen schweren langfristigen psychischen Erkrankungen.
Die Warnsignale für eine Psychose beginnen normalerweise im mittleren bis späten Teenageralter mit einer Reihe von Psychosesymptomen, die Ärzte als prodromales Syndrom bezeichnen.
Etwa 25–30% der Jugendlichen, die ein Prodromalsyndrom entwickeln, entwickeln eine psychotische Erkrankung wie Schizophrenie.
Ärzte mit entsprechender Ausbildung können anhand von Interviews und Tests der kognitiven Fähigkeiten in der Regel vorhersagen, welche Personen mit Prodromalsyndrom eine Psychose mit einer Genauigkeit von etwa 80% entwickeln werden.
Wissenschaftler versuchen verschiedene Ansätze, um diese Vorhersagerate zu verbessern und den Diagnoseprozess genauer und unkomplizierter zu gestalten. Maschinelles Lernen ist einer dieser Ansätze.
Prof. Wolff und sein Team begannen ihre Studie damit, dass ihr maschinelles Lernsystem die Sprachnormen alltäglicher Konversation identifizierte.
Sie fütterten das System mit Online-Gesprächen von 30.000 Reddit-Benutzern. Reddit ist eine Online-Plattform für Nachrichten, Inhaltsbewertungen und Diskussionen, auf der sich registrierte Benutzer über verschiedene Themen unterhalten können.
Das Team verwendete die Word2Vec-Software, um einzelne Wörter in der Konversation zu analysieren. Die Software ordnet Wörter so zu, dass diejenigen, die ähnliche Bedeutungen haben, im „semantischen Raum“ nahe beieinander liegen, während diejenigen, die sehr unterschiedliche Bedeutungen haben, weit voneinander entfernt sind.
Die Forscher fügten dem System ein weiteres Programm hinzu, um seine Fähigkeit zur Analyse der Semantik zu erweitern. Frühere Studien haben diese Analyse auf die Messung der semantischen Kohärenz beschränkt, bei der untersucht wird, wie Menschen Wörter über Sätze hinweg verwenden.
Die semantische Dichte geht jedoch noch einen Schritt weiter und bewertet auch, wie Menschen ihre Wörter in Sätzen organisieren. Das Team schlägt vor, dass dies ein besserer Indikator für die mentalen Prozesse ist, mit denen Menschen Sätze bilden.
Nachdem das maschinelle Lernsystem trainiert worden war, um eine „normale Basislinie“ festzulegen, fütterte das Team es mit den Gesprächen aus diagnostischen Interviews von 40 Teilnehmern der nordamerikanischen Prodrome Longitudinal Study (NAPLS).
NAPLS ist ein 14-jähriges Projekt mit mehreren Standorten, das darauf abzielt, die Fähigkeit von Ärzten zu verbessern, junge Menschen zu diagnostizieren, bei denen das Risiko einer Psychose besteht, und die Gründe zu verstehen.
Das Team verglich dann die Analyse des maschinellen Lernens der NAPLS-Gespräche mit den Basisdaten. Sie verglichen es auch mit Follow-up-Daten, die zeigten, welche Teilnehmer später eine Psychose entwickelten.
Die Ergebnisse zeigten, dass Teilnehmer, die später eine Psychose entwickelten, tendenziell mehr klangbezogene Wörter als die Grundlinie verwendeten und auch häufiger Wörter mit ähnlicher Bedeutung verwendeten.
„Wenn wir gefährdete Personen früher identifizieren und vorbeugende Maßnahmen ergreifen können“, erklärt Co-Autorin Prof. Elaine Walker, „können wir möglicherweise die Defizite umkehren.“
"Es gibt gute Daten, die zeigen, dass Behandlungen wie die kognitive Verhaltenstherapie den Beginn verzögern und möglicherweise sogar das Auftreten von Psychosen reduzieren können", fügt sie hinzu.
Das Team stellt nun umfangreichere Datensammlungen zusammen und plant, die neue Technik des maschinellen Lernens mit anderen Erkrankungen des Gehirns und der Psychiatrie wie Demenz zu testen.
"Diese Forschung ist nicht nur wegen ihres Potenzials interessant, mehr über psychische Erkrankungen zu enthüllen, sondern auch, um zu verstehen, wie der Geist funktioniert - wie er Ideen zusammensetzt."
Prof. Phillip Wolff
