Psychische Erkrankungen wie Depressionen und Angststörungen betreffen weltweit Millionen Menschen. Diese Herausforderung hat Forscher dazu angeregt, neue Technologien zu nutzen, um ein besseres Verständnis für die menschliche Psyche zu gewinnen. Das Forschungsteam am Else Kröner Fresenius Zentrum (EKFZ) der Technischen Universität Dresden hat sich auf die Untersuchung großer Sprachmodelle (LLMs) konzentriert. In einer aktuellen Studie, die in der renommierten Fachzeitschrift The Lancet Digital Health veröffentlicht wurde, zeigen sie, dass LLMs Muster menschlicher Emotionen wie Angst, Traurigkeit und Stress reproduzieren können. Diese Ergebnisse eröffnen vielversprechende Perspektiven für die psychologische Forschung.
Im Rahmen ihrer Studie haben die Dresdner Wissenschaftler sechs LLMs untersucht, darunter ChatGPT-4o und verschiedene Llama-Versionen. Hierbei kamen standardisierte Texteingaben zum Einsatz, um sieben affektive Zustände wie Angst, Furcht und Wut gezielt auszulösen. Die Reaktionen der Modelle wurden dann an strukturierten Bewertungsskalen erfasst. Besonders interessant ist, dass achtsamkeitsbasierte Strategien, etwa Atemübungen, die emotionalen Zustände der Modelle signifikant verringern konnten. Das Forschungsteam beobachtete auch kognitive Verzerrungen, die sich in negativen Satzvervollständigungen äußerten, was auf eine vereinfachte Abbildung menschlicher Denkprozesse hinweist.
Ein Blick nach Köln
Parallel dazu hat ein Kölner Forschungsteam analysiert, wie LLMs zur Verbesserung der psychiatrischen Diagnosestellung genutzt werden können. Unter der Leitung von Professor Dr. Joseph Kambeitz und Professor Dr. Kai Vogeley von der Medizinischen Fakultät der Universität zu Köln und der Uniklinik Köln stellen sie fest, dass solche Modelle Überschneidungen und Redundanzen in klinischen Fragebögen aufspüren können. In ihrer Studie, die im Fachblatt Nature Mental Health veröffentlicht wurde, wurde die Struktur und der Inhalt von über 50.000 Fragebögen zu Depression, Angst und Psychoserisiko untersucht. Ziel dieser Untersuchungen ist es, die Diagnose psychischer Erkrankungen durch Optimierung der Verallgemeinerbarkeit von Symptomen zu verbessern.
Die Ärzteschaft sieht sich oft mit variablen Formulierungen in den klinischen Fragebögen konfrontiert, was das Risiko von Falschdiagnosen erhöhen kann. LLMs könnten hier einen echten Mehrwert bringen, indem sie präzise und effiziente Fragebögen entwickeln, die redundante Items vermeiden. Diese Entwicklung könnte nicht nur die Effizienz in der Diagnostik steigern, sondern auch die Qualität der psychologischen Versorgung verbessern.
Globale Perspektiven
Doch die Anwendung von Künstlicher Intelligenz (KI) in der psychischen Gesundheitsversorgung steht auch vor Herausforderungen. Laut einer neuen Studie der WHO leben in der Europäischen Region über 150 Millionen Menschen mit psychischen Erkrankungen, und die COVID-19-Pandemie hat die Situation zusätzlich verschärft. KI wird zunehmend als hilfreiches Werkzeug zur Planung von Angeboten und zur Identifikation psychischer Gesundheitsprobleme angesehen. Eine aktuelle Forschungsarbeit zeigt jedoch, dass es erhebliche Defizite im Einsatz von KI in diesem Bereich gibt. Insbesondere fehlen oft klare Validierungen der Daten und transparente Berichterstattung über die verwendeten Modelle. Dies könnte die praktische Umsetzung von KI zur Verbesserung der psychiatrischen Versorgung behindern.
Die Entwicklungen aus Dresden und Köln zeigen, dass LLMs ein vielversprechendes Instrument für die Psychologie sind, während gleichzeitig die Herausforderungen der KI-Nutzung nicht aus den Augen verloren werden sollten. Die Kombination aus technologischen Innovationen und fundierter Forschung könnte in kommenden Jahren entscheidend dazu beitragen, die psychische Gesundheit vieler Menschen zu verbessern. Die Wissenschaft steht erst am Anfang, das Potenzial dieser Technologien auszuschöpfen.