Neue KI erkennt psychische Störungen anhand von Web-Posts

Dartmouth-Forscher haben ein künstliches Intelligenzmodell zur Erkennung psychischer Störungen mithilfe von Gesprächen auf Reddit entwickelt, das Teil einer aufkommenden Welle von Screening-Tools ist, die Computer verwenden, um Social-Media-Posts zu analysieren und einen Einblick in den mentalen Zustand der Menschen zu gewinnen.

Was das Neue ausmacht Modell apart konzentriert sich eher auf die Emotionen als auf die spezifischen Inhalte der analysierten Social-Media-Texte. In einem auf der 20. International Conference on Web Intelligence and Intelligent Agent Technology vorgestellten Papier zeigen die Forscher, dass dieser Ansatz unabhängig von den in den Beiträgen diskutierten Themen im Laufe der Zeit immer besser abschneidet.

Es gibt viele Gründe, warum Menschen keine Hilfe suchen psychische Störungen—Stigma, hohe Kosten und mangelnder Zugang zu Dienstleistungen sind einige häufige Hindernisse. Es gibt auch eine Tendenz, Anzeichen von zu minimieren psychische Störungen oder sie mit Stress verwechseln, sagt Xiaobo Guo, Guarini '24, ein Co-Autor des Papiers. Es ist möglich, dass sie mit etwas Aufforderung Hilfe suchen, sagt er, und hier können digitale Screening-Tools einen Unterschied machen.

„Soziale Medien bieten eine einfache Möglichkeit, das Verhalten von Menschen zu erschließen“, sagt Guo. Die Daten sind freiwillig und öffentlich, veröffentlicht, damit andere sie lesen können, sagt er.

Reddit, das ein riesiges Netzwerk von Benutzerforen bietet, war ihre bevorzugte Plattform, da sie fast eine halbe Milliarde aktive Benutzer hat, die eine breite Palette von Themen diskutieren. Die Posts und Kommentare sind öffentlich zugänglich, und die Forscher konnten Daten sammeln, die bis ins Jahr 2011 zurückreichen.

In ihrer Studie konzentrierten sich die Forscher auf das, was sie nennen emotionale Störungen– Major Depression, Angst und bipolare Störungen – die durch unterschiedliche emotionale Muster gekennzeichnet sind. Sie untersuchten Daten von Benutzern, die nach eigenen Angaben eine dieser Störungen hatten, und von Benutzern ohne bekannte psychische Störungen.

Sie trainierten ihr Modell, um die in den Beiträgen der Benutzer ausgedrückten Emotionen zu kennzeichnen und die emotionalen Übergänge zwischen verschiedenen Beiträgen abzubilden, sodass ein Beitrag als „Freude“, „Wut“, „Traurigkeit“, „Angst“, „keine Emotionen“ oder „Freude“ bezeichnet werden konnte eine Kombination davon. Die Karte ist eine Matrix, die zeigt, wie wahrscheinlich es war, dass ein Benutzer von einem Zustand in einen anderen wechselte, beispielsweise von Wut in einen neutralen Zustand ohne Emotionen.

Verschiedene emotionale Störungen haben ihre eigenen charakteristischen Muster emotionaler Übergänge. Indem es einen emotionalen „Fingerabdruck“ für einen Benutzer erstellt und ihn mit etablierten Signaturen emotionaler Störungen vergleicht, kann das Modell diese erkennen. Um ihre Ergebnisse zu validieren, testeten sie es an Stellen, die während des Trainings nicht verwendet wurden, und zeigten, dass das Modell genau vorhersagt, welche Benutzer möglicherweise eine dieser Störungen haben oder nicht.

Dieser Ansatz umgeht ein wichtiges Problem namens „Information Leakage“, auf das typische Screening-Tools stoßen, sagt Soroush Vosoughi, Assistenzprofessor für Informatik und ein weiterer Co-Autor. Andere Modelle basieren darauf, den Inhalt des Textes zu hinterfragen und sich auf ihn zu verlassen, sagt er, und obwohl die Modelle eine hohe Leistung zeigen, können sie auch irreführend sein.

Lesen Sie die ganze Geschichte hier…