Artikelbild: Shutterstock / Von Photographee.eu
Artikelbild: Shutterstock / Von Photographee.eu

Machine-Learning-Methode definiert Muster bei Gesprächen mit Genauigkeit von 93 Prozent!

Forscher der Emory University haben eine neue Methode des Machine Learnings entwickelt, die anhand der Sprechweise von Menschen erkennt, ob sie im späteren Leben eine Psychose entwickeln werden. Anhand eines Algorithmus entdeckten die Wissenschaftler zwei Variablen, die Hinweise für spätere Psychosen sind: Die häufige Verwendung von Wörtern, die mit Geräuschen in Verbindung stehen, und eine häufige Verwendung von Wörtern mit der gleichen Bedeutung.

Algorithmus erkennt Sprachmuster

Anhand dieser Hinweise kann der Algorithmus Psychosen mit einer Genauigkeit von 93 Prozent voraussagen.

„Diese subtilen Merkmale kann man aus einer Konversation nicht heraushören. Das wäre so, als würde man versuchen, mikroskopische Keime mit bloßem Auge zu sehen. Unsere automatisierte Methode ist extrem sensibel für diese versteckten Sprachmuster. Sie ist wie ein Mikroskop für Anzeichen einer Psychose“, erklärt Studienautorin Neguine Rezaii.

Dem Team zufolge war es zuvor schon bekannt, dass Menschen, die für Psychosen anfällig sind, besondere Sprachmuster anwenden, jedoch sei es nur mit Machine Learning möglich, diese auch zu erkennen. Um ihre Methode zu testen, fütterten die Forscher das Computerprogramm „Word2Vec“ mit Online-Konversationen von 30.000 Usern der Social Media-Plattform Reddit. Word2Vec wandelt individuelle Wörter in Vektoren um, die anhand ihrer Bedeutung geordnet werden. Vektoren mit ähnlicher Bedeutung sind sich dabei näher.

Durch dieses Programm definierte das Team „Normen“ für die Sprache in Konversationen. Die gleiche Methode wurde dann bei den Diagnosegesprächen von 40 jungen Patienten angewandt, die alle laut medizinischen Fachkräften in Gefahr stehen, Psychosen zu entwickeln. Die Daten aus den „normalen“ Konversationen und aus den Diagnosegesprächen wurden schließlich miteinander verglichen. Anhand dieser Daten wurden die beiden Variablen definiert.

Mehr Präzision bei der Diagnose

Schizophrenie und andere Formen von Psychose entwickeln sich bei Patienten üblicherweise mit Anfang 20, wobei Anzeichen dafür schon mit 17 auftreten können. Etwa 25 bis 30 Prozent der Jugendlichen, die diese Anzeichen aufweisen, entwickeln im späteren Leben Psychosen. Es gibt bis heute für diese psychischen Erkrankungen keine Heilung. Den Forschern nach ist es aber möglich, durch vorbeugende Therapie das Auftreten von Psychosen zu verzögern oder sogar zu verhindern. Dafür sei es aber wichtig, die Symptome früh zu erkennen.

„Im klinischen Bereich fehlt es oft an Präzision. Wir brauchen objektivere, quantifizierte Methoden, um subtile Variablen zu erkennen, wie diejenigen, die sich in der Sprache verstecken“, meint Rezaii. Die Wissenschaftler wollen die Machine-Learning-Methode auch bei anderen psychischen Erkrankungen wie Demenz anwenden.

Quelle: pte

Unterstützen

FAKE NEWS BEKÄMPFEN

Unterstützen Sie Mimikama, um gemeinsam gegen Fake News vorzugehen und die Demokratie zu stärken. Helfen Sie mit, Fake News zu stoppen!


Hinweise: 1) Dieser Inhalt gibt den Stand der Dinge wieder, der zum Zeitpunkt der Veröffentlichung aktuell war. Die Wiedergabe einzelner Bilder, Screenshots, Einbettungen oder Videosequenzen dient zur Auseinandersetzung der Sache mit dem Thema.
2) Einzelne Beiträge entstanden durch den Einsatz von maschineller Hilfe und wurde vor der Publikation gewissenhaft von der Mimikama-Redaktion kontrolliert. (Begründung)


Mit deiner Hilfe unterstützt du eine der wichtigsten unabhängigen Informationsquellen zum Thema Fake News und Verbraucherschutz im deutschsprachigen Raum

INSERT_STEADY_CHECKOUT_HERE

Mehr von Mimikama

Mimikama Workshops & Vorträge: Stark gegen Fake News!

Mit unseren Workshops erleben Sie ein Feuerwerk an Impulsen mit echtem Mehrwert in Medienkompetenz, lernen Fake News und deren Manipulation zu erkennen, schützen sich vor Falschmeldungen und deren Auswirkungen und fördern dabei einen informierten, kritischen und transparenten Umgang mit Informationen.