ArchivDeutsches Ärzteblatt PP4/2018Psychiatrie: Maschinelles Lernen hilft Suizidgefahr zu erkennen

Referiert

Psychiatrie: Maschinelles Lernen hilft Suizidgefahr zu erkennen

PP 17, Ausgabe April 2018, Seite 178

Meyer, Rüdiger

Als E-Mail versenden...
Auf facebook teilen...
Twittern...
Drucken...
LNSLNS

Bestimmte Schlüsselwörter zu Tod, positiven und negativen Ideen aktivieren bei suizidgefährdeten Menschen andere Hirnregionen als bei psychisch gesunden Menschen. US-Forschern gelang es in einer Studie in Nature Human Behaviour mithilfe der funktionellen Magnetresonanztomographie (MRT) und Software zum maschinellen Lernen, beide Gruppen zu unterscheiden. Sechs Schlüsselworte reichten zur Unterscheidung.

Viele Menschen, die sich das Leben nehmen, mögen einen Abschiedsbrief hinterlassen. Wenn sie aber vorher von einem Psychiater befragt werden, verschweigen die meisten ihre Pläne. Bisher gibt es keine Tests, mit denen ein bevorstehender Suizid zuverlässig vorhergesagt werden kann. Einen gewissen Hinweis kann der „Emotional Stroop Test“ geben, bei dem Menschen mit Suizidabsichten länger brauchen, die Farbe der Buchstaben zu erkennen, wenn es sich um emotionale Worte handelt, die ihre Seelenlage und Motivation betreffen. Der Implicit Association Test, bei dem die Probanden Wörter auf dem Bildschirm bestimmten Kategorien zuordnen, kann ebenfalls Hinweise liefern. Als klinische Vorwarntests sind sie jedoch nicht geeignet.

Einen vergleichbaren Test zur Suizidalität ermöglicht die funktionelle Magnetresonanztomographie (fMRT). Sie erkennt anhand eines vermehrten Blutflusses, welche Regionen des Gehirns vermehrt aktiviert werden, wenn die Probanden äußeren Reizen ausgesetzt sind. Dies können bei Patienten mit Suizidabsichten emotional aufgeladene Worte sein. Ein Team um Marcel Just von der Carnegie Mellon University in Pittsburgh hat verglichen, wie jeweils 17 Personen mit bekannten Suizidgedanken und 17 psychisch gesunde Probanden auf 30 Worte reagieren, die drei Kategorien zugeordnet waren. Die erste Wortgruppe befasste sich mit dem Thema Suizid (zum Beispiel „Apathie“, „Tod“, „Verzweiflung“), die zweite Wortgruppe enthielt positive Vorstellungen („glückselig“, „sorglos“, „trösten“), die dritte Kategorie beschrieb negative Vorstellungen („Langeweile“, „Kritik“, „Ärger“). Auf sechs Worte („Tod“, „Grausamkeit“, „Ärger“, „sorglos“, „gut“ und „Lob“) reagierten die suizidalen Personen anders als Gesunde. Außerdem wurden durch die einzelnen Worte unterschiedliche Orte im Gehirn aktiviert, die mit selbstreferenziellen Gedanken in Verbindung gebracht werden.

Anzeige

Die Unterschiede waren jedoch minimal, und für die Psychiater war es nicht möglich, anhand der Aufnahmen zwischen suizidalen Patienten und gesunden Probanden zu unterscheiden. Dies gelang erst mithilfe einer speziellen Software, die auf der Basis des maschinellen Lernens die Bilder analysierte. Am Ende ordnete der Computer 15 von 17 Personen mit Selbstmordgedanken sowie 16 von 17 Kontrollen richtig zu. In einer Analyse sollte der Computer sagen, welcher der 17 Patienten schon einmal einen Suizidversuch unternommen hatte. Bei 16 von 17 richtigen Antworten lag die Treffsicherheit bei 94 Prozent. Ob der Test in die klinische Praxis eingeführt wird, erscheint zweifelhaft. Magnetresonanztomographen gibt es nur an größeren Kliniken und die Durchführung eines fMRT ist zeitaufwendig. rme

Just MA, Pan L, Cherkassky VL, McMakin DL, et al.: BrentMachine learning of neural representations of suicide and emotion concepts identifies suicidal youth. Nature Human Behaviour 2017. doi:10.1038/s41562–017–0234-y.

Leserkommentare

E-Mail
Passwort

Registrieren

Um Artikel, Nachrichten oder Blogs kommentieren zu können, müssen Sie registriert sein. Sind sie bereits für den Newsletter oder den Stellenmarkt registriert, können Sie sich hier direkt anmelden.

Fachgebiet

Zum Artikel

Anzeige

Alle Leserbriefe zum Thema