Ein generatives Modell künstlicher Intelligenz (KI), das die Erzählungen von Frauen analysieren kann, die kürzlich eine Geburt erlebten, hat sich als fähig erwiesen, posttraumatische Belastungsstörungen (CB-PTSD) genau zu erkennen. Dies hat eine Studie des Massachusetts General Hospital (MGH), einem Gründungsmitglied des Gesundheitssystems Mass General Brigham, ergeben. Durch die Untersuchung der Fähigkeiten und Schwächen mehrerer Modelle von OpenAI, darunter ChatGPT, identifizierten die Forscher eine Version, die reichhaltige Einblicke in die psychische Gesundheit von Müttern nach einer traumatischen Geburt bietet. Das Modell lässt sich nahtlos in die routinemäßige Geburtshilfe integrieren und könnte potenziell auch zur Beurteilung anderer psychischer Störungen eingesetzt werden. Die Ergebnisse der Studie wurden in Scientific Reports veröffentlicht.
Wie KI eine posttraumatische Belastungsstörung nach der Geburt erkennt
„Die Beurteilung von PTBS im Zusammenhang mit einer traumatischen Geburt stützt sich derzeit auf umfangreiche klinische Untersuchungen, die den dringenden Bedarf an einer schnellen und kostengünstigen Bewertungsstrategie nicht decken“, sagt Dr. Sharon Dekel, Direktorin des Forschungsprogramms für postpartale traumatische Belastungsstörungen am MGH und leitende Autorin der Studie. „Die Verwendung kurzer Patientenerzählungen über die Geburt, die mit textbasierten Berechnungsmethoden der KI analysiert werden, könnte eine effiziente, kostengünstige und patientenfreundliche Strategie zur Erkennung von CB-PTSD nach einer traumatischen Geburt sein. Mit weiteren Forschungen könnte dieses Instrument möglicherweise dazu beitragen, Frauen zu identifizieren, die ein Risiko für eine solche Störung haben, bevor sich die Erkrankung vollständig entwickelt.“
Bei schätzungsweise acht Millionen Frauen weltweit pro Jahr kann eine traumatische und/oder medizinisch komplizierte Geburt eine posttraumatische Belastungsstörung auslösen, eine Erkrankung, die historisch mit militärischen Kampfhandlungen oder schweren sexuellen Übergriffen in Verbindung gebracht wird. In den letzten Jahren wurde die Geburt als bedeutender Auslöser für PTBS anerkannt, der, wenn er unbehandelt bleibt, die Gesundheit von Mutter und Kind beeinträchtigen und zu erheblichen gesellschaftlichen Kosten führen kann. In früheren Studien fand Dekels Labor Hinweise darauf, dass kurze psychologische Interventionen kurz nach einer traumatischen Geburt die geburtsbedingten PTBS-Symptome der Mutter reduzieren können.
In ihrer neuesten Studie untersuchte Dekel in Zusammenarbeit mit dem Erstautor Alon Bartal, PhD, von der Bar-Ilan-Universität in Israel die Wirksamkeit von künstlicher Intelligenz und damit verbundenen Analyseverfahren des maschinellen Lernens (ML) zur Erkennung von CB-PTSD. Insbesondere bewerteten sie die Leistung verschiedener großer Sprachmodelle (LLMs) und Varianten von ChatGPT sowie deren Fähigkeit, neue Erkenntnisse aus textbasierten Datensätzen zu gewinnen, die aus den kurzen narrativen Beschreibungen von Frauen nach der Geburt über ihre Geburtserfahrung stammen. Im Rahmen ihrer Arbeit sammelte das Team kurze narrative Berichte von 1.295 Frauen, die kürzlich entbunden hatten. Die Studie konzentrierte sich auf ein OpenAI-Modell namens „text-embeddings-ada-002“, das narrative Daten aus den persönlichen Berichten von Frauen mit und ohne wahrscheinlicher CB-PTSD in ein numerisches Format umwandelte, das dann von einem vom Team entwickelten, trainierten Algorithmus für maschinelles Lernen analysiert wurde.
Kostengünstige Screening-Strategie zur Identifizierung von Frauen mit hohem Risiko für PTBS
Die Forscher zeigten, dass dieses Modell im Vergleich zu anderen ChatGPT- und großen Sprachmodellen, die in der Regel mit riesigen Datenmengen trainiert werden, um natürliche Sprache zu verstehen, zu analysieren und zu interpretieren, eine überlegene Leistung bei der Identifizierung von postpartalem traumatischem Stress aufweist. „Die Verwendung des ML-Modells, das narrative Eingaben zum Thema Geburt aus dem Open-AI-Modell als einzige Datenquelle nutzt, stellt einen effizienten Mechanismus für die Datenerfassung während der vulnerablen postpartalen Phase dar und weist eine Sensitivität von 85 Prozent und eine Spezifität von 75 Prozent bei der Identifizierung von CB-PTSD-Fällen auf“, bemerkt Dekel. Darüber hinaus könnte das von den Forschern entwickelte Modell den Zugang zu CB-PTSD-Screenings und -Diagnosen verbessern, da es sich nahtlos in die routinemäßige Geburtshilfe einfügt und eine Grundlage für die Entwicklung kommerzieller Produkte und die breite Einführung bietet. Dekel, dessen Forschungsprogramm sich der Erforschung der psychischen Gesundheit von Frauen nach traumatischen Geburten widmet, unterstreicht die klinischen Vorteile der Verwendung eines vortrainierten großen Sprachmodells zur Beurteilung potenzieller PTBS bei jungen Müttern. Eine frühzeitige Intervention sei unerlässlich, um das Fortschreiten dieser Störung zu einem chronischen Stadium zu verhindern, das die Behandlung erheblich erschweren kann.
Dieser einzigartige Ansatz könnte eine innovative und kostengünstige Screening-Strategie zur Identifizierung von Frauen mit hohem Risiko und zur Erleichterung einer rechtzeitigen Behandlung einführen. Er könnte auch vielversprechend für die Beurteilung anderer psychischer Störungen und damit für die Verbesserung der Patientenergebnisse sein. Das Aufkommen von Tools der künstlichen Intelligenz im Gesundheitswesen ist bahnbrechend und hat das Potenzial, die Kontinuität der Versorgung positiv zu verändern. Mass General Brigham, eines der führenden integrierten akademischen Gesundheitssysteme und größten Innovationsunternehmen der USA, ist führend in der Durchführung rigoroser Forschungen zu neuen und aufkommenden Technologien, um die verantwortungsvolle Einbindung von KI in die Gesundheitsversorgung, die Unterstützung der Belegschaft und administrative Prozesse zu fördern.
