Characterizing psychological concerns in semi-structured healthcare conversations using conversational NLP and large language models

Menschen tauschen ständig weit mehr als nur Worte aus; sie teilen Geisteszustände, emotionale Lasten und soziale Rhythmen durch den Fluss eines Gesprächs. Seit Jahrzehnten verlassen sich Fachkräfte für psychische Gesundheit auf standardisierte Fragebögen, um zu messen, wie eine Person mit sozialer Interaktion umgeht oder wie viel psychische Belastung sie trägt. Diese Umfragen, die mit Stift und Papier oder auf einem Bildschirm ausgefüllt werden, bitten Menschen, ihre Gefühle und Verhaltensweisen selbst einzuschätzen. Obwohl diese Werkzeuge nützlich sind, erfassen sie eher eine statische Momentaufnahme der Selbstwahrnehmung als die dynamische, lebendige Realität eines Gesprächs, wie es geschieht. Sie können das Zögern in einer Stimme, die Wiederholung einer Sorge oder die subtilen Arten, wie ein Mensch mit einem anderen in Verbindung tritt – oder eben nicht – nicht hören. Mit dem Fortschritt der Technologie ist in den Bereichen der Psychologie und Informatik eine neue Frage aufgetaucht: Können wir Maschinen lehren, auf die Art und Weise zuzuhören, wie Menschen während eines klinischen Interviews sprechen, und allein aus diesen gesprochenen Worten die soziale und emotionale Landschaft des Sprechers zu verstehen?

Diese Frage steht im Zentrum einer kürzlich durchgeführten Studie von Forschern der International Christian University und des Heartland Shigisan Hospital in Japan. Das Team wollte sehen, ob moderne computergestützte Sprachtools die Transkripte realer Gespräche zwischen einem Psychiater und einem Patienten analysieren könnten, um verborgene Muster im Zusammenhang mit sozialer Kommunikation und emotionaler Belastung aufzudecken. Sie versuchten nicht, eine Maschine zu bauen, die einen Patienten diagnostizieren oder einen Arzt ersetzen könnte. Stattdessen stellten sie eine grundlegendere Frage: Enthalten die spezifischen Wörter, die Menschen wählen, die Themen, die sie einbringen, und der Rhythmus ihres Dialogs messbare Hinweise auf ihren Geisteszustand? Um dies herauszufinden, wandten sie sich einer Gruppe von Werkzeugen aus der natürlichen Sprachverarbeitung (Natural Language Processing) zu, die es Computern ermöglicht, menschlichen Text zu lesen und zu verstehen, sowie großen Sprachmodellen, die fortschrittliche KI-Systeme sind, die in der Lage sind, komplexe Ideen zusammenzufassen und Themen in riesigen Mengen an Texten zu identifizieren.

Die Forscher versammelten eine Gruppe von 62 Erwachsenen in Japan und baten sie, an einem semi-strukturierten Gespräch mit einem Psychiater teilzunehmen. Dies waren keine freien Plaudereien, sondern geführte Sitzungen, die sich wie ein standardmäßiger Check-in anfühlen sollten. Der Psychiater, der über die persönlichen Werte der Teilnehmer in psychologischen Tests nicht informiert war, fragte danach, wie sich die Person fühlte, welche guten oder schwierigen Dinge in der Woche passiert waren und welche Themen sie beschäftigten. Die Gespräche dauerten im Durchschnitt etwa elf Minuten. Während dieser Sitzungen füllten die Teilnehmer auch zwei bekannte Fragebögen aus. Einer maß ihr Maß an psychischer Belastung und fragte nach Gefühlen von Nervosität, Hoffnungslosigkeit und Wertlosigkeit. Der andere maß ihre soziale Reaktionsfähigkeit und untersuchte, wie gut sie soziale Signale verstanden, Beziehungen pflegten und mit anderen interagierten.

Nachdem die Gespräche aufgezeichnet und transkribiert worden waren, speisten die Forscher den Text in ihre Computermodelle ein. Sie brachen den Dialog in viele verschiedene Arten von Merkmalen auf. Einige Merkmale waren einfache Zählungen, wie etwa, wie viele Wörter der Teilnehmer im Vergleich zum Arzt sprach oder wie vielfältig sein Wortschatz war. Andere waren komplexer und maßen, wie ähnlich sich die Wörter und Ideen des Teilnehmers denen des Psychiaters waren. Der bedeutendste Teil ihrer Analyse bestand darin, ein großes Sprachmodell zu verwenden, um das gesamte Transkript jedes Teilnehmers zu lesen und spezifische „Agenda-Punkte“ zu extrahieren. Der Computer wurde angewiesen, zu identifizieren, ob der Teilnehmer über Depressionen, Angstzustände, Familie, Arbeit oder seine Zukunft gesprochen hatte, und wie stark er sich über jedes Thema Sorgen machte. Dies ermöglichte es den Forschern, über das Zählen von Wörtern hinauszugehen und stattdessen den tatsächlichen psychologischen Inhalt dessen zu betrachten, was gesagt wurde.

Die Ergebnisse zeigten eine klare Verbindung zwischen dem, was die Menschen sagten, und wie sie in den Fragebögen abschnitten. Der auffälligste Befund war, dass die Fähigkeit des Computers, spezifische Anliegen zu identifizieren, insbesondere solche im Zusammenhang mit Depressionen, stark mit den Werten der Teilnehmer verknüpft war. Wenn das Sprachmodell feststellte, dass ein Teilnehmer erhebliche Sorgen bezüglich Depressionen äußerte, neigte diese Person dazu, höhere Werte sowohl im Fragebogen zur psychischen Belastung als auch im Fragebogen zur sozialen Reaktionsfähigkeit zu erzielen. Dies deutet darauf hin, dass die Art und Weise, wie Menschen natürlich über ihre Kämpfe sprechen, ein direktes Signal ihres inneren Zustands enthält. Interessanterweise waren die Computermodelle wesentlich besser darin, die Werte für die psychische Belastung vorherzusagen, als sie die Werte für die soziale Kommunikation vorhersagen konnten. Während die Modelle Anzeichen von emotionalem Schmerz mit angemessener Genauigkeit erkennen konnten, hatten sie Schwierigkeiten, die Nuancen der sozialen Interaktion allein aus dem Text zu erfassen.

Die Studie hob auch hervor, dass die Art der vom Computer extrahierten Informationen eine große Rolle spielte. Einfache Maße dafür, wie ähnlich sich die Wörter zwischen Arzt und Patient waren, oder wie viele Wörter gesprochen wurden, zeigten nur sehr schwache Verbindungen zu den Ergebnissen der Fragebögen. Es war das tiefere, semantische Verständnis des Gesprächs – die Fähigkeit zu erfassen, dass eine Person über „Selbstbewertung“ oder „Zukunftsangst“ sprach – das den eigentlichen Einblick lieferte. Die Forscher fanden heraus, dass die Vorhersagen des Computers sich leicht verbesserten, wenn sie diese hochgradigen Themenzusammenfassungen mit den einfacheren Wortzählungen kombinierten, aber die Themen selbst trugen das meiste Gewicht. Dies deutet darauf hin, dass der Inhalt eines Gesprächs aussagekräftiger für die Belastung einer Person ist als die mechanische Struktur ihrer Rede.

Trotz dieser vielversprechenden Ergebnisse weisen die Forscher vorsichtig auf die Grenzen ihrer Arbeit hin. Die Gruppe der untersuchten Personen war relativ klein, und die Studie war explorativ, was bedeutet, dass sie darauf ausgelegt war zu sehen, was möglich ist, anstatt eine endgültige, definitive Antwort zu liefern. Die Computermodelle erreichten keine perfekte Genauigkeit, und die Forscher betonen, dass diese Werkzeuge nicht bereit sind, als Diagnoseinstrumente in einer Klinik eingesetzt zu werden. Die starke Verbindung zwischen den Belastungswerten und den sozialen Werten erschwert zudem die vollständige Trennung der beiden in den Daten; es ist möglich, dass die Gespräche einen allgemeinen Zustand der Unruhe widerspiegelten, der beide Maße beeinflusste. Darüber hinaus stützte sich die Studie ausschließlich auf Text und ignorierte die Tonlage der Stimme, die Mimik und den Blickkontakt, die ebenfalls wesentliche Bestandteile der menschlichen Kommunikation sind.

Dennoch bietet die Studie einen faszinierenden Ausblick auf die Zukunft der psychischen Gesundheitsbewertung. Sie zeigt, dass die Wörter, die Menschen in einem Gespräch wählen, nicht nur zufälliges Rauschen sind, sondern in einer Weise strukturiert sind, die ihre psychologische Realität widerspiegelt. Durch den Einsatz fortgeschrittener Sprachmodelle, um nach spezifischen Themen wie Depression oder Angst zu hören, können Computer beginnen, Aspekte der menschlichen Erfahrung zu quantifizieren, die zuvor nur durch subjektive Selbstberichte oder klinische Beobachtung zugänglich waren. Die Forscher schlagen vor, dass diese Techniken in Zukunft helfen könnten, realistischere Trainingsumgebungen für medizinische Fachkräfte zu schaffen, in denen sie die Kommunikation mit virtuellen Klienten üben können, die vielfältige Muster sozialer und emotionaler Verhaltensweisen aufweisen. Vorerst steht die Arbeit als ein Beweis der Machbarkeit: Die Geschichten, die wir erzählen, selbst in kurzen, strukturierten Gesprächen, enthalten eine messbare Karte unseres inneren Lebens.