Das KI-Modell erkennt Depressionen anhand natürlicher Gespräche mit einer Genauigkeit von 77 %

• Forscher am MIT haben ein neuronales Netzwerk entwickelt, das automatisch depressive Muster anhand von Rohaudio und Text erkennt, ohne vordefinierte Fragen.
• Das Modell ist „kontextfrei“, das heißt, es kann jedes lockere Gespräch analysieren und sprachliche und akustische Hinweise im Zusammenhang mit Depressionen extrahieren.
• In einer Validierungsstudie erreichte es eine Gesamtgenauigkeit von 77 % und übertraf damit herkömmliche Q&A-basierte KI-Tools.

Traditionell ist der Patientengesundheitsfragebogen (PHQ-9) der Goldstandard für das Depressionsscreening. Es stellt einen festen Satz von neun Fragen zu Stimmung, Schlaf, Appetit und Energieniveau, um einen Wert zwischen 0 und 27 zu berechnen, wobei Werte über 20 auf eine schwere Depression hinweisen.

In den letzten Jahren haben maschinelle Lernansätze erfolgreich Sprache auf verräterische Merkmale untersucht – Betonung, Sprechgeschwindigkeit und bestimmte lexikalische Entscheidungen –, die auf depressive Zustände hinweisen. Die meisten dieser Modelle basieren jedoch auf Antworten auf das PHQ-9 oder ähnlich strukturierte Interviews, was ihre Anwendbarkeit in realen Umgebungen einschränkt.

Das neue neuronale Netzwerk des MIT beseitigt diese Einschränkung. Indem es Aufzeichnungen von Freiforminterviews einspeist, lernt das System, subtile Muster zu erkennen – etwa die häufige Verwendung von Wörtern wie „niedergeschlagen“, „leise“ oder „traurig“, gepaart mit abgeflachter oder monotoner Stimmqualität und langsamerer Sprechgeschwindigkeit – die stark mit Depressionen verbunden sind.

So funktioniert das Modell

Der Algorithmus behandelt Sprache als eine Folge zeitgestempelter Audioframes und transkribierter Wörter. Es nutzt eine tiefgreifende Sequenzmodellierungsarchitektur, die akustische Merkmale (Tonhöhe, Energie, Sprechgeschwindigkeit) und sprachliche Inhalte gemeinsam analysiert. Da es nicht auf einen festen Fragebogen angewiesen ist, kann es auf alle Gesprächsdaten angewendet werden, von klinischen Interviews bis hin zu alltäglichen Telefonanrufen.

Autoren bezeichnen dies als „kontextfreie Modellierung“, da es Depressionsindikatoren unabhängig von den gestellten spezifischen Fragen erfasst.

Training, Validierung und Leistung

Das Modell wurde anhand von 142 Interaktionen trainiert, die aus dem Distress Analysis Interview Corpus (DAIC) stammen und Audio-, Video- und Textinhalte von Gesprächen sowohl mit gesunden Teilnehmern als auch mit Personen mit diagnostizierten psychischen Störungen umfassen.

Der Schweregrad der Depression jedes Probanden wurde anhand des PHQ-9-Scores (0–27) quantifiziert. In der Studie wurden 28 Teilnehmer als depressiv eingestuft (Werte ≥20). Das Netzwerk wurde hinsichtlich Präzision und Rückruf bewertet:Es erreichte 71 % Präzision und 83 % Rückruf, was eine Gesamtgenauigkeit von 77 % ergibt – eine bemerkenswerte Verbesserung gegenüber früheren KI-Ansätzen, die typischerweise bei etwa 60–65 % Genauigkeit lagen.

Zukünftige Arbeiten werden das Netzwerk auf andere Erkrankungen wie Demenz ausweiten und die spezifischen akustisch-linguistischen Muster untersuchen, die seine Vorhersagen bestimmen.

Langfristig könnte die Technologie in mobile Apps integriert werden, um die Stimme und den Text der Benutzer passiv auf Anzeichen von Stress zu überwachen und Frühwarnungen für diejenigen bereitzustellen, die beim Zugang zu psychiatrischer Versorgung auf Hindernisse stoßen.

Lesen Sie:Hirnstimulation kann die Absicht einer Person, eine Gewalttat zu begehen, verringern