Wie NLP-Technologien für körperliche und geistige Gesundheit angewendet werden

Die Forschungsgruppe Angewandte Maschinelle Intelligenz der BFH Technik und Informatik hat an den Applied Machine Learning Days 2022 in Lausanne einen Track zum Thema natürliche Sprachverarbeitung für körperliche und geistige Gesundheit organisiert. Dies ist eine der grössten Veranstaltungen für maschinelles Lernen und KI in Europa, die sich speziell auf die Anwendungen von maschinellem Lernen und KI konzentriert. Die Veranstaltung bringt mehr als 2.000 Führungskräfte, Expert*innen und Enthusiast*innen aus Wissenschaft, Industrie, Start-ups, NGOs und Behörden aus mehr als 41 Ländern zusammen.

In der diesjährigen Ausgabe der Konferenz organisierte die Forschungsgruppe Angewandte Maschinelle Intelligenz der Berner Fachhochschule einen Track zur Verarbeitung natürlicher Sprache (NLP) im Bereich der physischen und psychischen Gesundheit, einem zentralen Forschungsgebiet der Gruppe. Während innovative Technologien für die physische Gesundheit oft getrennt von digitalen Tools für die psychische Gesundheit behandelt werden, zielte der Track darauf ab, Forscher*innen, Praktiker*innen und Unternehmen aus beiden Bereichen zusammenzubringen. Mit Erfolg: Hochrangige Redner*innen und ein grosses und aktives Publikum ermöglichten interessante Diskussionen und neue Verbindungen.

Nach einer kurzen Einführung durch die Organisatoren des Tracks stellte Neguine Rezaii – Dozentin an der Harvard Medical School – ihre Arbeit auf dem Gebiet des NLP in der klinischen Psychiatrie vor. Sie zeigte, wie die Alltagssprache einer Person auf Denk- und Gefühlsmuster hinweisen kann, die auf eine psychische Erkrankung hindeuten. Anschliessend erörterte sie, wie NLP-Methoden eingesetzt werden können, um aus der Sprache Indikatoren für die psychische Gesundheit zu extrahieren und so dazu beizutragen, seit langem bestehende Probleme in der Psychiatrie zu lösen, und erläuterte die potenziellen Gefahren dieser Technologie.

Als zweiter Redner erläuterte Valentin Tablan, Chief AI Officer bei ieso, wie die psychische Gesundheitsfürsorge im Vergleich zur physischen Gesundheitsfürsorge die Technologie langsamer übernommen hat. Dies hat sich in letzter Zeit dank der Fortschritte in der maschinellen Intelligenz geändert. Valentin Tablan stellte seine Arbeit auf diesem Gebiet vor und zeigte, dass es durch die Analyse des Austauschs zwischen Patient*innen und Therapeut*innen möglich ist, die Wirkstoffe der Therapie zu bestimmen, was bei den meisten funktioniert und was bei einigen. Er zeigte, wie sein Unternehmen auf der Grundlage dieser Erkenntnisse Instrumente entwickelt hat, die Therapeut*innen bei der Behandlung unterstützen und Patient*innen helfen, eine höhere Dosis an Therapie zu erhalten.

Violeta Vogel – Head of Data Science bei Insel, dem größten Universitätsspital der Schweiz – beschrieb, wie ihr Analysesystem, das mehr als 4 Millionen Arztberichte enthält, für die Qualitätssicherung in der Behandlung, die medizinische Entscheidungsfindung, die medizinische Forschung und das medizinische Controlling genutzt werden kann. Sie präsentierte die Anwendungsfälle, Potenziale und Herausforderungen dieser Daten.

Anschliessend präsentierte Julia Krasselt – wissenschaftliche Mitarbeiterin am Departement für Angewandte Linguistik der Zürcher Hochschule für Angewandte Wissenschaften (ZHAW) – ihre Arbeit zur Diskursverfolgung von Antibiotikaresistenzen mit korpuslinguistischen Methoden, die aus einem vom BAG finanzierten Forschungsprojekt resultiert. Sie erläuterte, wie sie ein grosses mehrsprachiges Korpus der öffentlichen Kommunikation zum Thema Antibiotikaresistenz modellierte und quantitative korpuslinguistische Methoden anwandte, um Muster des Sprachgebrauchs zu identifizieren (z.B. mittels Themenmodellierung und Konkkurrenzanalyse), und zwar über einen Zeitraum von 8 Jahren.

Georgia Pantalona – wissenschaftliche Mitarbeiterin am CERTH/ITI – stellte Arbeiten aus dem H2020-Projekt REBECCA vor, das darauf abzielt, eine Vielzahl von Real-World Data (RWD) zu nutzen, um die klinische Forschung zu unterstützen und bestehende klinische Arbeitsabläufe bei der Behandlung von Brustkrebspatientinnen zu verbessern. Sie stellte das Hauptkonzept und die ersten Schritte zur Gewinnung von Erkenntnissen über das emotionale Wohlbefinden von Krebsüberlebenden anhand von Daten aus sozialen Medien und Browserverläufen vor, um die Überwachung der Patient*innen während ihrer Nachsorge zu unterstützen.

Hali Lindsay vom Deutschen Forschungszentrum für Künstliche Intelligenz stellte ihre Arbeit zur Erzeugung synthetischer klinischer Daten vor, indem sie Fehler bei der automatischen Spracherkennung (ASR) mit der Transkriptionsrate simulierte, bei der die Fehler natürlicherweise auftreten, um zusätzliche Daten zu erzeugen. Sie erläuterte, wie anhand eines alters- und bildungsmäßig ausgewogenen Datensatzes von 50 kognitiv beeinträchtigten und 50 gesunden niederländischen Sprecher*innen 1000 zusätzliche Datenpunkte für jede Person synthetisch erzeugt wurden.

Am Ende der Sitzung erörterte Muskan Garg – Assistenzprofessor am TIET – das Thema der Identifizierung von psychischen Problemen in sozialen Medien und die damit verbundenen Herausforderungen. Sie präsentierte insbesondere, wie die Nuancen der Ursache-Wirkungs-Beziehung zur Identifizierung des Grundes angewendet wurden.


Weitere Informationen

Die Beschreibung des Tracks und die Zusammenfassungen der Vorträge sind verfügbar Videos ausgewählter Vorträge werden in Kürze zur Verfügung gestellt.

AUTOR/AUTORIN: Mascha Kurpicz-Briki

Dr. Mascha Kurpicz-Briki ist Professorin für Data Engineering am Institute for Data Applications and Security IDAS der Berner Fachhochschule. Sie beschäftigt sich in ihrer Forschung unter anderem mit dem Thema Fairness und der Digitalisierung von sozialen und gesellschaftlichen Herausforderungen.

PDF erstellen

Ähnliche Beiträge

Es wurden leider keine ähnlichen Beiträge gefunden.

0 Kommentare

Dein Kommentar

An Diskussion beteiligen?
Hinterlasse uns Deinen Kommentar!

Schreiben Sie einen Kommentar

Ihre E-Mail-Adresse wird nicht veröffentlicht.