Acoustic and Linguistic Markers in Speech for Screening and Monitoring of Suicide Risk in Patients with Mood Disorders

Jedes Jahr sterben mehr als 700.000 Menschen durch Suizid, was die frühzeitige Identifizierung derjenigen, die gefährdet sind, zu einer kritischen Herausforderung für die moderne Medizin macht. Derzeit verlassen sich Ärzte stark darauf, dass Patienten ihnen mitteilen, wie sie sich fühlen, und auf ihre eigene klinische Erfahrung, um diese Gefahr einzuschätzen. Doch viele Menschen sprechen jedoch nicht über ihre Absichten, bevor eine Tragödie eintritt, und die Werkzeuge, die dazu verwendet werden, zukünftige Gedanken vorherzusagen, schneiden oft nur geringfügig besser ab als reines Raten. Aufgrund dieser Einschränkungen suchen Forscher nach objektiven Anzeichen, die im alltäglichen Verhalten verborgen liegen und Standardinterviews ergänzen könnten. Ein vielversprechender Bereich ist die Sprache selbst. Die Art und Weise, wie eine Person spricht – ihre Wortwahl, Satzstrukturen und sogar der Tonfall ihrer Stimme – fungt als ein reiches Signal ihres mentalen Zustands. Während frühere Studien diese Signale untersucht haben, um zu identifizieren, wer in einem einzelnen Moment gefährdet ist, stellt eine neue Linie der Untersuchung eine andere, vielleicht dringlichere Frage: Kann man erkennen, wann sich das Risiko einer spezifischen Person im Laufe der Zeit verschlechtert, indem man darauf hört, wie sich ihre Sprache von einem Besuch zum nächsten verändert?

Ein Forschungsteam der Seoul National University setzte sich zum Ziel, diese Frage zu beantworten, indem es die Stimmen von Patienten mit affektiven Störungen während ihrer regulären klinischen Kontrolluntersuchungen aufzeichnete. Sie konzentrierten sich auf zwei verschiedene Arten von Informationen, die in der Sprache verborgen sind: die akustischen Eigenschaften, wie etwa die Tonhöhe und der Rhythmus der Stimme, und der linguistische Inhalt, der sich auf die tatsächlich verwendeten Wörter und Themen bezieht. Die Studie umfasste 99 Patienten, bei denen eine schwere depressive Störung oder eine bipolare Störung diagnostiziert worden war und die in einer Krankenhausklinik interviewt wurden. Diese Patienten lieferten insgesamt 331 Audioaufnahmen über einen Zeitraum von einem Jahr, die zu Beginn ihrer Behandlung und zu mehreren Folgeintervallen aufgenommen wurden. Um die Schwere ihres Zustands zu messen, verwendeten die Forscher etablierte Skalen, die Suizidgedanken und -handlungen verfolgen, was es ihnen ermöglichte, spezifische Sprachmuster mit dem aktuellen Risikoniveau der Patienten zu verknüpfen.

Die Forscher gingen die Daten auf zwei Arten an. Erstens betrachteten sie die Aufnahmen als eine Momentaufnahme, um zu sehen, ob sie einen Hochrisikopatienten von einem Niedrigrisikopatienten zu einem einzigen Zeitpunkt unterscheiden konnten. Zweitens, und was noch wichtiger ist, analysierten sie die Veränderungen innerhalb derselben Person über verschiedene Besuche hinweg, um zu sehen, ob sie eine Eskalation des Risikos feststellen konnten. Sie speisten die Daten in Computermodelle ein, die 30 verschiedene pitchbezogene Merkmale und 106 verschiedene Kategorien des Sprachgebrauchs untersuchten, die von emotionalem Tonfall bis hin zu Bezügen auf den Tod oder die Zukunft reichten. Das Ziel war zu sehen, welches dieser Signale stark genug war, um eine Verschlechterung des Zustands vorherzusagen.

Die Ergebnisse zeigten eine klare Trennung zwischen den beiden Arten von Sprachdaten. Die akustischen Merkmale, wie etwa die Tonhöhe der Stimme, zeigten eine sehr geringe Fähigkeit, das Suizidrisiko vorherzusagen. Selbst als die Forscher verschiedene Wege testeten, den Tonfall und die Dynamik der Stimme zu messen, hielten diese Signale einer strengen statistischen Prüfung nicht stand. Im Gegensatz dazu erwies sich der linguistische Inhalt der Sprache als ein mächtiger Indikator. Die Computermodelle fanden heraus, dass der signifikanteste Prädiktor für ein steigendes Risiko nicht eine Veränderung darin war, wie eine Person klang, sondern eine Veränderung darin, was sie sagte. Speziell wenn ein Patient begann, mehr Wörter im Zusammenhang mit dem Tod zu verwenden als üblich, und gleichzeitig weniger Wörter verwendete, die auf den gegenwärtigen Moment oder auf Untätigkeit bezogen waren, war sein Suizidrisiko signifikant höher.

Dieses Muster blieb bestehen, unabhängig davon, ob die Forscher Unterschiede zwischen verschiedenen Menschen oder Veränderungen innerhalb einer einzelnen Person betrachteten. Patienten, die generell mehr eine auf den Tod bezogene Sprache verwendeten, tendierten dazu, höhere Risikowerte aufzuweisen. Der wertvollste Befund ergab sich jedoch aus der Verfolgung von Individuen über die Zeit. Wenn ein spezifischer Patient begann, mehr Wörter im Zusammenhang mit dem Tod und weniger auf die Gegenwart fokussierte Sprache im Vergleich zu seinem eigenen Ausgangswert zu verwenden, signalisierte dies eine unmittelbare Zunahme seiner Suizidgedanken. Die Modelle waren in der Lage, diese Eskalationen mit hoher Sensitivität zu erkennen, wobei sie einen AUC-Wert von 0,74 erreichten, wenngleich dies mit einer niedrigeren Präzisionsrate einherging, was bedeutet, dass das Modell auch stabile Fälle als sich verschlechternd markierte. Dies deutet darauf hin, dass der Wechsel in der Sprache ein zustandsbezogenes Merkmal ist, das eine temporäre, aber gefährliche Veränderung des mentalen Zustands widerspiegelt, statt nur ein permanentes Merkmal der Person zu sein.

Die Studie untersuchte auch, ob die Modelle zwischen drei verschiedenen Ergebnissen unterscheiden konnten: ein Patient wird besser, bleibt gleich oder wird schlechter. Obwohl diese Dreifachklassifizierung schwieriger war, schnitten die Modelle dennoch besser als der Zufall ab, insbesondere wenn sie die linguistischen Daten mit der klinischen Vorgeschichte der Patienten kombinierten. Die Forscher fanden heraus, dass der beste Weg, eine Verschlechterung des Zustands vorherzusagen, darin bestand, die Veränderung der Sprache von einer Sitzung zur nächsten explizit zu messen, anstatt jede Aufnahme als isoliertes Ereignis zu behandeln. Dieser Ansatz ermöglichte es den Modellen, die einzigartige Trajektorie des Sprachgebrauchs jedes einzelnen Patienten zu erlernen.

Trotz dieser vielversprechenden Ergebnisse betonen die Autoren vorsichtig, dass ihre Erkenntnisse keine endgültige Lösung darstellen. Die Studie wurde an einer relativ kleinen Gruppe von Patienten aus einem einzigen Krankenhaus durchgeführt, und die Modelle wurden noch nicht an einer völlig anderen Gruppe von Menschen getestet. Darüber hinaus stützte sich die linguistische Analyse auf die Übersetzung koreanischer Interviews ins Englische, um Standard-Wortzählungswerkzeuge nutzen zu können – ein Prozess, der subtile Fehler einführen könnte. Die Forscher fanden auch heraus, dass die akustischen Merkmale, die in anderen Studien bereits vielversprechend erschienen waren, keinen zusätzlichen Wert lieferten, sobald die Sprachdaten in dieser spezifischen Gruppe einbezogen wurden. Dies deutet darauf hin, dass für diese spezielle Population der Inhalt dessen, was gesagt wird, weit wichtiger ist als der Klang dessen, wie es gesagt wird.

Letztendlich weist diese Forschung auf eine Zukunft hin, in der die Überwachung des Suizidrisikos die Beobachtung subtiler Verschiebungen im Wortschatz eines Patienten im Laufe der Zeit beinhalten könnte. Indem man sich darauf konzentriert, wie sich die Sprache einer Person von einem Besuch zum nächsten entwickelt, könnten Kliniker ein skalierbares, ressourcenschonendes Werkzeug erhalten, um zu erkennen, wann sich ein Patient auf eine Krise zubewegt. Obwohl die Technologie noch nicht bereit für den breiten klinischen Einsatz ist, liefert die Studie starke Beweise dafür, dass die Worte, die wir wählen, als zuverlässiger Kompass dienen können, um durch das komplexe Gelände der psychischen Gesundheit zu navigieren, und eine neue Möglichkeit bieten, die unsichtbaren Veränderungen zu sehen, die einer Tragödie vorausgehen.