idw – Informationsdienst Wissenschaft

Nachrichten, Termine, Experten

Grafik: idw-Logo
Science Video Project
idw-Abo

idw-News App:

AppStore

Google Play Store



Instance:
Share on: 
08/23/2023 11:44

Forschung: KI kann bei der Diagnose von Depressionen helfen

Susanne Boll Presse- und Öffentlichkeitsarbeit
PFH Private Hochschule Göttingen

    Forschung zu Einsatz von KI bei Diagnostik psychischer Beschwerden

    Göttingen. Der Einsatz von künstlicher Intelligenz (KI) bei der Diagnostik psychischer Beschwerden kann helfen, depressive Symptomatik schneller zu erkennen. Darauf deuten erste Ergebnisse eines Forschungsprojekts hin, das an der PFH Private Hochschule Göttingen in Kooperation mit der Hochschule Reutlingen durchgeführt wird. Im Forschungsprojekt wird die Fähigkeit von Deep Learning Modellen und Large Language Models (LLM) zur Diagnostik psychischer Beschwerden, wie beispielsweise depressiver Symptomatik, untersucht.

    „Die ersten Ergebnisse deuten darauf hin, dass eine KI fähig ist, das Vorliegen einer depressiven Episode zu erkennen“, sagt Prof. Dr. Youssef Shiban, Professor für Klinische Psychologie an der PFH. In dem Forschungsprojekt, das an der PFH Private Hochschule Göttingen in Kooperation mit der Hochschule Reutlingen durchgeführt wird, zeigte sich das KI-Modell GPT 3.5, eine von OpenAI entwickelte Version, als überraschend fähig darin, depressive Symptomatik zu erkennen. Bestätigen sich im weiteren Verlauf des Forschungsprojekts die Ergebnisse, so könnte das wegweisend für die präzisere und schnellere Diagnostik von Depressionen sein. „Die Künstliche Intelligenz könnte uns ein guter Helfer sein, damit psychisch Erkrankte nicht mehr monatelang auf die richtige Diagnose warten müssen“, so Shiban.

    KI als Helfer, um Diagnosen früher und gezielter zu stellen

    Die Diagnose von Depressionen stellt aufgrund der vielfältigen Symptome, dem möglichen Auftreten zusammen mit anderen psychischen Störungen und körperlichen Gesundheitsproblemen eine Herausforderung dar. Insbesondere innerhalb der Corona-Pandemie zeigten Studien der PFH eine Zunahme depressiver Symptomatik in der Allgemeinbevölkerung. „Wo hier die Grenzen zwischen einer schwierigen Phase und einer behandlungsbedürftigen depressiven Symptomatik liegt, ist für Betroffene oftmals schwer einzuschätzen. Gleichzeitig fehlt vielen der Zugang zu einer angemessenen klinischen Diagnostik“, sagt Youssef Shiban. „Letztendlich ist das Ziel, Diagnosen früher und gezielter zu stellen. Damit hätten Behandelnde dann mehr Zeit für die wesentliche therapeutische Arbeit“, so Shiban weiter. „Perspektivisch könnten neue, KI-basierte Anwendungen auch Betroffenen leichter zugänglich gemacht werden und erste Einschätzungen liefern. Die KI soll aber keineswegs Psychotherapeut:innen ersetzen“, ergänzt Shiban. Den größten Nutzen sehen er und seine Forschungskolleg:innen im Zusammenspiel zwischen Mensch und künstlicher Intelligenz.

    Hohe Leistungsfähigkeit von Large Language Models

    Im Rahmen des Forschungsprojekts erkannte GPT 3.5 depressive Symptomatik exakter als ein Deep Learning Modell, welches speziell für die Diagnostik in klinischen Interviews trainiert wurde. Die so viel besseren Ergebnisse der KI-Sprachmodelle GPT 3.5 und 4.0 gegenüber älteren NLP-Modellen seien unerwartet, erklärt Forschungspartner Prof. Dr. Matthias Rätsch, Professor für Artificial Intelligence and Interactive Mobile Robots an der Hochschule Reutlingen. „Ein Grund für diese erst kontraintuitiv erscheinenden Ergebnisse könnte hierbei die größere Menge an Trainingsdaten und die höhere Leistungsfähigkeit der neuen LLM-Systeme wie GPT 3.5 sein. Das könnte den enormen Zugewinn gegenüber älteren, auf BERT basierenden Modellen erklären“, erläutert Prof. Rätsch. BERT steht dabei für "Bidirectional Encoder Representations from Transformers". Es handelt sich um ein fortschrittliches Modell für die Verarbeitung natürlicher Sprache (NLP), das auf der Transformer-Architektur basiert. „Auch ist durch weiteres Finetuning auf das Problem mit weiteren Verbesserungen zu rechnen“, so Rätsch. Er wird die von Michael Danner, University of Surrey, sowie Bakir Hadzic und Irem Uslu von der Hochschule Reutlingen durchgeführte Studie im September 2023 auf der Konferenz SICE an der japanischen Mie-Universität vorstellen.

    Mitwirkende für Studie gesucht

    Um unter möglichst realistischen Bedingungen herauszufinden, was KI-Anwendungen wirklich leisten können, werden für das Forschungsprojekt, das auf Seiten der PFH von Julia Ohse, wissenschaftliche Mitarbeiterin, im Rahmen ihrer Doktorarbeit betreut wird, jetzt Studienteilnehmer ab 18 Jahren gesucht. Für die Studie werden explizit auch Personen gesucht, welche bereits eine Diagnose haben, gerade von einer depressiven Episode betroffen sind oder es in der Vergangenheit einmal waren. „Teilnehmende müssen nur einen Fragebogen ausfüllen und an einem Online-Interview teilnehmen, die geschätzte Bearbeitungszeit beträgt 30 Minuten“, sagt Julia Ohse. Die Teilnahme erfolgt anonym. Die Teilnehmenden haben die Möglichkeit, Auskunft über ihr Ergebnis auf dem PHQ-9, einem Fragebogen zu depressiver Symptomatik, zu erhalten. „Dieser Wert ist natürlich keine Diagnose, allerdings kann sich so ein Verdacht auf eine depressive Symptomatik zeigen“, erläutert Ohse. „Zusätzlich erhalten alle Personen, die an unserer Studie teilnehmen im Anschluss Informationen über Anlaufstellen für Menschen mit Depressionen.“

    Interessierte können sich unter folgender Adresse für eine Teilnahme an der Studie registrieren: https://umfragen.pfh.de/index.php/634674?lang=de

    Dr. Youssef Shiban ist Professor für Klinische Psychologie an der PFH Private Hochschule Göttingen. Er forscht zu Methoden der Konfrontationstherapie zur Bewältigung von Angststörungen. Zentraler Forschungsschwerpunkt von Shiban ist der Einsatz von Virtual Reality in der Therapie von Angststörungen. In der therapeutischen Arbeit befasst er sich unter anderem mit der Behandlung von Traumafolgestörungen, mit einem Fokus auf Kriegstraumata bei Geflüchteten.

    Dr. Matthias Rätsch ist Professor für Artificial Intelligence and Interactive Mobile Robots an der Hochschule Reutlingen. Er forscht unter anderem zu Maschinellem Lernen, Mensch-Maschine-Interaktionen, Mensch-Roboter-Kollaboration, Image Understanding, Face Modeling and Analysis, Large Language Models, Chatbots und ist Head der Arbeitsgruppe ‚Visual Systems and Intelligent Robots‘ und des RT-Lions RoboCup Teams.


    Contact for scientific information:

    Prof. Dr. Youssef Shiban, shiban@pfh.de; Julia Ohse, ohse@pfh.de


    Images

    Dr. Youssef Shiban ist Professor für Klinische Psychologie an der PFH Private Hochschule Göttingen
    Dr. Youssef Shiban ist Professor für Klinische Psychologie an der PFH Private Hochschule Göttingen

    PFH Private Hochschule Göttingen


    Attachment
    attachment icon Presseinformation der PFH zur Depressionsdiagnostik mittels KI

    Criteria of this press release:
    Journalists, all interested persons
    Psychology
    transregional, national
    Research projects, Transfer of Science or Research
    German


     

    Dr. Youssef Shiban ist Professor für Klinische Psychologie an der PFH Private Hochschule Göttingen


    For download

    x

    Help

    Search / advanced search of the idw archives
    Combination of search terms

    You can combine search terms with and, or and/or not, e.g. Philo not logy.

    Brackets

    You can use brackets to separate combinations from each other, e.g. (Philo not logy) or (Psycho and logy).

    Phrases

    Coherent groups of words will be located as complete phrases if you put them into quotation marks, e.g. “Federal Republic of Germany”.

    Selection criteria

    You can also use the advanced search without entering search terms. It will then follow the criteria you have selected (e.g. country or subject area).

    If you have not selected any criteria in a given category, the entire category will be searched (e.g. all subject areas or all countries).