Wenn eine psychische Krise ausbricht, kann die Identifizierung von Personen mit hohem Suizidrisiko für Therapeuten und Berater zu einer dringenden Aufgabe werden. Ein außergewöhnliches Hilfsmittel für diese Aufgabe wurde von Fachleuten am McGovern Institute for Brain Research des MIT entwickelt. Dieses revolutionäre Tool analysiert die Sprache, die von Menschen in Not verwendet wird, und liefert so wertvolle Hinweise auf ihren psychischen Zustand und ein potenzielles Risiko.
Das von Daniel Low, einem ehemaligen Doktoranden des MIT und heutigen wissenschaftlichen Mitarbeiter am Child Mind Institute, entwickelte hochmoderne Tool zur Sprachverarbeitung könnte im Bereich der psychischen Gesundheit einen entscheidenden Durchbruch bedeuten. Das Programm stützt sich auf eine ausgefeilte Liste von Wörtern und Phrasen, die mit 49 bekannten Suizidrisikofaktoren verknüpft sind. Durch die Analyse des Textes kann es das Suizidrisiko einer Person mit bemerkenswerter Präzision einschätzen.
Wie in der Zeitschrift für Psychopathologie und klinische Wissenschaft, Dieses bemerkenswerte Prognosetool hat sich in Echtzeit-Textgesprächen mit Krisenberatern bewährt. Die Vorteile sind offensichtlich enorm, da es dabei hilft, die Schlüsselfaktoren hervorzuheben, die während einer psychischen Krise zu einem erhöhten Suizidrisiko einer Person beitragen. Bei fortlaufender Überprüfung hat es das Potenzial, die Risikobewertung sowohl in klinischen Umgebungen als auch in kritischen Hilfssituationen voranzubringen.
Selbst für hochqualifizierte Ärzte kann es unglaublich schwierig sein, die Wahrscheinlichkeit eines Selbstmordversuchs bei einer bestimmten Person vorherzusagen. Bei Menschen mit Selbstmordgedanken kommen eine Vielzahl von Risikofaktoren zusammen, darunter psychiatrische Symptome, psychische Störungen wie Depressionen, Borderline-Persönlichkeitsstörung und PTBS sowie umweltbedingte Stressfaktoren wie Armut und Einsamkeit, die möglicherweise zu verheerenden Folgen führen können.
Dieses komplexe Geflecht von Risikofaktoren kann es, wie Daniel Low erklärt, schwierig machen, zu erkennen, wer unter denjenigen, die Selbstmordgedanken hegen, diese Gedanken auch in die Tat umsetzen könnte. Der Weg zu einem Selbstmordversuch ist äußerst komplex, was Vorhersagen zu einer gewaltigen Herausforderung macht.
Um die Entwicklung ihres Tools voranzutreiben, arbeiteten Low und seine Forschungspartnerin, die leitende Wissenschaftlerin Satra Ghosh, mit der “Crisis Text Line” zusammen, einer gemeinnützigen Organisation, die rund um die Uhr kostenlose psychologische Unterstützung anbietet. Anhand der Analyse anonymer Textnachrichten aus rund 16.000 Gesprächen ordneten sie die Dialoge in drei Risikokategorien ein: nicht-suizidal, Suizidgedanken ohne unmittelbares Risiko und unmittelbares Risiko. Ihr Fokus lag auf der „Gruppe mit unmittelbarer Gefahr“, definiert als Personen, die einen Suizid planen oder die Absicht bekunden, innerhalb von 48 Stunden zu sterben.
Bevor sie sich mit den Texten befassten, erstellten Low und sein Team ein einzigartiges Vokabular zum Thema Suizidrisiko. Mithilfe künstlicher Intelligenz erstellten sie eine erste Liste von Wörtern und Ausdrücken, die mit bekannten Suizidrisiken in Verbindung stehen. Diese Liste wurde anschließend sorgfältig geprüft und verfeinert, was zu einem endgültigen Lexikon mit fast 60 Wörtern oder Ausdrücken für jeden der 49 identifizierten Risikofaktoren führte.
Dieses einzigartige Lexikon wurde anschließend mithilfe eines speziell trainierten Modells für maschinelles Lernen in die Praxis umgesetzt, das Krisengespräche durchforstete und anhand des Vorkommens bestimmter Wörter oder Ausdrücke das Suizidrisiko vorhersagte. Ihre Forschung ergab Muster, die mit früheren Studien übereinstimmten, lieferte aber auch unerwartete Erkenntnisse. Bezeichnenderweise kamen Erwähnungen von tödlichen Mitteln und Substanzkonsum in der Gruppe mit dem höchsten Risiko häufiger vor als depressionsbezogene Symptome.
Trotz der bemerkenswerten Leistungsfähigkeit des Systems betont Low, dass menschliche Einsicht nach wie vor von entscheidender Bedeutung ist. Das Vorhersagemodell seines Teams ist zwar komplex, aber dennoch ausreichend “schlank” – es erfordert weniger Rechenleistung und liefert einen klaren Kontext für jede Risikobewertung. Ghosh betont nachdrücklich, dass menschliche Kontrolle in diesem anspruchsvollen Bereich unverzichtbar bleibt.
Die Forscher betonen jedoch, dass solche Vorhersagemodelle vor ihrem klinischen Einsatz einer umfassenden Validierung unterzogen werden müssen, einschließlich möglicher Anpassungen, um mit der sich wandelnden Sprachverwendung oder Veränderungen in den Zielgruppen Schritt zu halten.
Indem sie ihr Lexikon zum Suizidrisiko und das zu dessen Erstellung verwendete Softwarepaket offen zugänglich machen, ebnen Ghosh und Low den Weg für neue Horizonte im Verständnis psychischer Gesundheit. Das Tool ist bereits im Einsatz, und Forscher untersuchen derzeit, wie Textdaten aus unterschiedlichen Quellen wie sozialen Medien und Gesundheitsakten die Risikovorhersage verbessern können.
Wenn Ihr Unternehmen die Vorteile der KI-Automatisierung nutzen möchte, entdecken Sie innovative Lösungen mit implementi.ai.
Mehr über die ursprüngliche Meldung erfahren Sie hier hier.
Diese Website verwendet Cookies.