AI-tool ontwikkeld door voormalige masterstudent zou kunnen helpen om risico’s voor de geestelijke gezondheid eerder te signaleren

De onderzoekers trainden en testten hun model met behulp van Reddit-berichten van mensen bij wie een depressie, anorexia of zelfbeschadigend gedrag was vastgesteld, evenals berichten van gebruikers zonder deze aandoeningen. Vergeleken met een bestaand AI-model kon hun model, genaamd Context-HAN, mensen met een risico in een vroegere fase van hun berichtgeschiedenis identificieren. Ook bleek uit het onderzoek dat langere en recentere berichten de duidelijkste aanwijzingen geven over de mentale toestand van een persoon. Hoewel de tool niet bedoeld is om zorgprofessionals te vervangen, kan deze dienen als vroegtijdig signaal dat iemand mogelijk baat zou hebben bij nader onderzoek. 

AI leren context te begrijpen 

Er zijn al veel onderzoeken gedaan naar de vraag of AI tekenen van psychische problemen kan herkennen in berichten op sociale media. In plaats van bij nul te beginnen, richtte Hochstenbach zich op het verbeteren van een bestaand, geavanceerd model.  

De belangrijkste verbetering zit in het vermogen van de AI om context beter te begrijpen. Het model zoekt niet alleen naar losse woorden, maar leert patronen herkennen in de manier waarop mensen over langere tijd schrijven. Het kijkt hoe de betekenis van woorden verandert afhankelijk van de omringende tekst en analyseert meerdere berichten in samenhang, waardoor het een beter beeld krijgt van het grotere geheel. Volgens Frasincar kan de AI hierdoor beter interpreteren wat mensen communiceren.  

De onderzoekers trainden het model met een bestaande, door experts samengestelde dataset, in plaats van zelf data te verzamelen. Hierdoor konden ze hun resultaten vergelijken met eerder onderzoek dat dezelfde maatstaf gebruikte. De dataset bevat Reddit-berichten van gebruikers die openbaar hadden gemaakt dat bij hen een depressie, anorexia of zelfbeschadiging was vastgesteld, evenals berichten van een controlegroep. Het model werd niet alleen beoordeeld op de nauwkeurigheid waarmee het risicogevallen identificeerde, maar ook op het aantal berichten dat nodig was om die voorspelling te kunnen doen. 

Van masterscriptie naar wetenschappelijke publicatie 

Het project begon als de masterscriptie van Hochstenbach. ‘Toen ik na aan het denken was over een onderwerp, wilde ik de technische vaardigheden die ik tijdens mijn studie had opgedaan, toepassen op iets dat op een heel tastbare manier kon bijdragen aan de gezondheid van mensen.’ Die mogelijkheid vond hij in het signaleren van psychische problemen, nadat hij op eerder werk van Frasincar was gestuit. 
 
Voor Frasincar laat de publicatie ook zien wat gemotiveerde masterstudenten kunnen bereiken. ‘Veel studenten onderschatten zichzelf,’ zegt hij. ‘Uitzonderlijke studenten kunnen geweldige dingen doen.’ Hochstenbach is trots op de publicatie en blij dat deze laat zien hoe ‘econometristen een positieve bijdrage kunnen leveren aan het helpen van mensen die kampen met psychische problemen.’ Momenteel werkt hij als consultant bij McKinsey & Company. Het volledige onderzoek en de daaruit voortvloeiende publicatie werden afgerond voordat hij bij McKinsey & Company in dienst trad en weerspiegelen niet de standpunten van McKinsey. 

Ondersteuning, geen vervanging, van zorgprofessionals 

De onderzoekers zien de tool als een mogelijke ondersteuning voor zorgprofessionals, niet als vervanging van hun klinische oordeel. Frasincar voorziet dat het alleen met toestemming van de patiënt wordt gebruikt, waardoor artsen naast de bestaande beoordelingen over een extra informatiebron beschikken.