Machine-learning classification of documented pedophilic sexual interest from eye-tracking patterns

Seit Jahrzehnten stützt sich die Bewertung sexueller Interessen an Kindern stark darauf, was Menschen sagen. Kliniker und Forensiker sind auf Interviews, Selbstberichte und die Bereitschaft von Individuen angewiesen, Gedanken oder Handlungen zuzugeben, von denen sie wissen, dass sie gesellschaftlich inakzeptabel oder rechtlich gefährlich sind. Doch die Natur des Themas selbst – Scham, Angst vor Konsequenzen und der Wunsch, sich selbst zu schützen – führt oft zu unvollständigen oder unehrlichen Antworten. Dies schafft eine erhebliche Lücke im Verständnis, insbesondere in rechtlichen und therapeutischen Kontexten, in denen der Einsatz extrem hoch ist. Um diese Kluft zu überbrücken, haben Forscher lange nach indirekten Wegen gesucht, um sexuelle Anziehung zu messen, indem sie nach physiologischen oder verhaltensbezogenen Signalen suchten, die die bewusste Kontrolle umgehen könnten. Ein solcher Weg ist das Eye-Tracking, eine Technologie, die genau aufzeichnet, wohin eine Person blickt und wie lange. Die zugrunde liegende Idee ist simpel: Wohin die Augen gehen, folgt oft der Geist, und diese Muster könnten Vorlieben offenbaren, die eine Person zu verbergen versucht.

Eine neue Studie aus Deutschland geht mit diesem Konzept einen Schritt weiter, indem sie Eye-Tracking-Daten mit fortschrittlicher Computeranalyse komb combinations. Forscher wollten herausfinden, ob sie zwischen Männern mit einem dokumentierten sexuellen Interesse an präpubertären Kindern und solchen ohne ein solches Interesse unterscheiden können, allein durch die Art und Weise, wie sich ihre Augen über einen Bildschirm bewegten. Sie baten die Teilnehmer nicht, ihre Gefühle zu beschreiben oder Bilder zu bewerten. Stattdessen beobachteten sie, wie die Augen der Teilnehmer auf Bilder von Erwachsenen und Kindern reagierten, während die Teilnehmer spezifische Aufgaben ausführten. Das Ziel war es zu sehen, ob eine Maschine lernen kann, die subtilen, automatischen Unterschiede im Blickverhalten zu erkennen, die diese beiden Gruppen voneinander trennen, und so ein Werkzeug zur Unterstützung des klinischen Urteils in Situationen mit hohem Einsatz anzubieten.

Die Studie umfasste 124 erwachsene Männer, die aus fünf verschiedenen Standorten in ganz Deutschland rekrutiert wurden. Die Gruppe wurde in zwei Hauptkategorien unterteilt: 34 Männer mit einer dokumentierten Diagnose von Pädophilie, von denen viele forensische Patienten mit einer Vorgeschichte von Straftaten gegen Kinder waren, und 9om Männer, die diese Diagnose nicht hatten. Diese Kontrollgruppe umfasste gesunde Freiwillige sowie einige Personen, die andere Arten von Verbrechen begangen hatten, jedoch keine Sexualstraftaten. Um ihre Augen zu testen, saßen die Teilnehmer vor einem Bildschirm und absolvierten drei verschiedene Aufgaben. In der ersten Aufgabe wurden ihnen zwei Bilder nebeneinander gezeigt – eines von einem Erwachsenen und eines von einem Kind desselben Geschlechts – und sie sollten entscheiden, welches sie attraktiver fanden. In der zweiten Aufgabe mussten sie mentale Rätsel lösen, die das Rotieren von 3D-Formen beinhalteten, während gleichzeitig Bilder von Erwachsenen oder Kindern als Ablenkung auf dem Bildschirm aufblinkten. Die dritte Aufgabe bestand darin, die Erregung oder Angenehmkeit verschiedener Bilder zu bewerten. Während dieser Übungen zeichnete eine Hochgeschwindigkeitskamera jede Augenbewegung auf und notierte genau, wohin sie blickten, wie lange sie dort verweilten und wie schnell sich ihr Blick verschob.

Die Forscher speisten diese gewaltige Menge an visuellen Daten anschließend in ein System für maschinelles Lernen ein. Dieses Computerprogramm war darauf ausgelegt, komplexe Muster zu finden, die menschliche Beobachter übersehen könnten. Es untersuchte tausende winziger Details, wie etwa, wie lange eine Person auf den Kopf oder den Abdomen eines Kindes im Vergleich zu einem Erwachsenen starrte, wie schnell ihre Augen zu einem ablenkenden Bild wanderten und wie sich ihre Aufmerksamkeit zwischen einem Rätsel und einem Bild verschob. Das System wurde trainiert, die beiden Gruppen allein basierend auf diesen Augenbewegungen zu unterscheiden. Die Ergebnisse waren beeindruckend. Als der Computer die Daten aus der ursprünglichen Orientierungsaufgabe und der Ablenkungsaufgabe zusammen analysierte, identifizierte er korrekt mit einem hohen Grad an Genauigkeit, ob ein Mann ein dokumentiertes pädophiles Interesse hatte oder nicht. Speziell klassifizierte das Modell etwa 88 Prozent der Fälle insgesamt korrekt. Es war besonders gut darin, Männer ohne dieses Interesse zu identifizieren, indem es sie in fast allen Fällen korrekt als negativ einstufte, wenn es an einer separaten Gruppe gesunder Freiwilliger getestet wurde.

Was diese Ergebnisse ermöglichte, war nicht nur das Betrachten eines einzelnen Verhaltens, sondern die Kombination vieler kleiner Signale. Die Studie fand heraus, dass Männer mit einem pädophilen Interesse dazu neigten, Bilder von Kindern häufiger und über längere Zeiträume anzusehen als die anderen Männer, selbst wenn sie versuchten, sich auf eine andere Aufgabe zu konzentrieren. Sie zeigten auch ein anderes Aufmerksamkeitsmuster, wenn Kinder als Ablenkung auftauchten, indem sie oft früher und länger als die Kontrollgruppe auf sie blickten, was auf eine schwächere Fähigkeit hindeutet, sexuell relevante Reize zu ignorieren. Im Gegensatz dazu bevorzugten die Männer ohne dieses Interesse konsistent den Blick auf Bilder von Erwachsenen und waren besser darin, die Bilder der Kinder zu ignorieren, um sich auf ihre Rätsel zu konzentrieren. Interessanterweise benötigte der Computer nicht alle gesammelten Daten. Selbst als die Forscher das Modell auf eine Handvoll der wichtigsten Augenbewegungsmerkmale reduzierten, blieb die Genauigkeit sehr hoch. Dies deutet darauf hin, dass das Signal robust ist und nicht von einem komplexen Geflecht von Variablen abhängt.

Die Studie untersuchte auch, ob sich diese Augenmuster je nach Hintergrund der Teilnehmer änderten. Die Forscher betrachteten Männer, die Straftaten gegen Kinder begangen hatten im Vergleich zu jenen, die dies nicht getan hatten, Männer, die derzeit im Gefängnis waren im Vergleich zu denen, die draußen waren, sowie Männer, die angaben, diese Gedanken zu haben, im Vergleich zu jenen, die sie leugneten. Das Modell des maschinellen Lernens funktionierte über fast alle diese verschiedenen Untergruppen hinweg konsistent gut. Es konnte dieselben Muster der Augenbewegungen erkennen, unabhängig davon, ob der Mann ein forensischer Patient oder ein gesunder Freiwilliger war oder ob er seine Interessen offen zugab oder versuchte, sie zu leugnen. Diese Konsistenz ist signifikant, da sie darauf hindeutet, dass die Eye-Tracking-Methode einen fundamentalen Aspekt des sexuellen Interesses erfasst, der bestehen bleibt, selbst wenn eine Person versucht, ihn zu verbergen. Die einzigen Ausnahmen waren in sehr kleinen Gruppen mit spezifischen Straftatbeständen, bei denen die Stichprobengröße zu gering war, um fundierte Schlussfolgerungen zu ziehen.

Die Forscher sind jedoch vorsichtig darin, was diese Technologie ist und was sie nicht ist. Sie betonen, dass dies kein diagnostisches Werkzeug ist, das ein klinisches Interview oder ein juristisches Urteil ersetzen kann. Die Studie war ein Proof-of-Concept, der zeigte, dass Eye-Tracking-Daten verwendet werden können, um Individuen in einem Forschungskontext mit hoher Genauigkeit zu klassifizieren. Die Autoren weisen darauf hin, dass falsch-positive Ergebnisse – die fälschliche Kennzeichnung einer unschuldigen Person als jemanden mit einem pädophilen Interesse – schwerwiegende Folgen haben könnten, weshalb die Methode weitere Tests in größeren und vielfältigeren Gruppen erfordert, bevor sie jemals in realen klinischen oder rechtlichen Entscheidungen eingesetzt werden könnte. Sie merken auch an, dass die Studie nicht bewiesen hat, dass Augenbewegungen zu offendierendem Verhalten führen, sondern lediglich, dass sie mit einer dokumentierten Diagnose korrelieren. Die emotionale Wirkung der Aufgaben wurde ebenfalls überwacht, und obwohl die Computerkennzahlen mit Veränderungen von Gefühlen wie Wut oder Traurigkeit verknüpft waren, fand die Studie keine Belege dafür, dass die emotionalen Zustände der Teilnehmer vor dem Test die Ergebnisse vorhersagten.

Letztendlich bietet diese Arbeit einen Ausblick auf eine Zukunft, in der die Bewertung sexueller Interessen weniger von dem abhängen könnte, was Menschen sagen, und mehr von dem, was ihre Augen tun. Durch die Kombination einfacher visueller Aufgaben mit leistungsstarker Computeranalyse haben die Forscher demonstriert, dass es möglich ist, distinkte Aufmerksamkeitsmuster zu detektieren, die Männer mit einem sexuellen Interesse an Kindern von jenen ohne ein solches unterscheiden. Obwohl die Technologie noch nicht bereit für den Gerichtssaal oder die Klinik ist, legen die Ergebnisse nahe, dass die Augen ein Schlüssel zum Verständnis eines verborgenen Aspekts menschlichen Verhaltens sein könnten, der seit langem schwer zu messen ist. Die Studie schließt mit dem Hinweis, dass diese Methoden mit weiterer Validierung Teil einer neuen Generation von Werkzeugen werden könnten, die schwerer zu täuschen, präziser in ihren Bewertungen und potenziell transformativ für die Art und Weise sind, wie die Gesellschaft Prävention und Behandlung angeht.