Künstliche Intelligenz verbessert psychiatrische Diagnostik: Kölner Studie zeigt neue Ansätze

Ein Forschungsteam der Universität zu Köln und der Uniklinik Köln hat untersucht, wie große Sprachmodelle die Diagnostik psychischer Erkrankungen verbessern können. Die Modelle GPT-3, Llama und BERT analysierten über 50.000 klinische Fragebögen zu Depression, Angst, Psychoserisiko und Autismus. Die Ergebnisse zeigen, dass die KI symptomatische Überschneidungen und strukturelle Redundanzen erkennt, ohne auf empirische Daten zurückzugreifen. Dadurch können Fragebögen effizienter gestaltet und Diagnosen präziser gestellt werden.

In etablierten Diagnosetests bestehen häufig inhaltliche Dopplungen oder uneinheitliche Formulierungen, die Diagnosen erschweren. Die KI kann solche Schwächen identifizieren und Fragen auf wesentliche Symptome reduzieren. Damit entsteht eine Basis für klarere Diagnostik und geringere Belastung von Patientinnen und Patienten.

Die Studie, erschienen in Nature Mental Health, zeigt, dass KI-Modelle nicht nur klinische Sprachmuster verstehen, sondern auch neue Perspektiven auf die Konzeptualisierung psychischer Störungen eröffnen. Langfristig könnten KI-gestützte Verfahren klinische Gespräche, Befunde und Therapieprozesse unterstützen und die Arbeit von Ärztinnen und Ärzten deutlich erleichtern.