Gesundheitswesen
Wissenschaftler entdecken Einsamkeit durch den Einsatz von KI und NLP
Forscher der University of California San Diego School of Medicine haben Algorithmen der künstlichen Intelligenz genutzt, um die Einsamkeit älterer Erwachsener zu quantifizieren und zu bestimmen, wie ältere Erwachsene ihre Einsamkeit in ihrer Sprache ausdrücken könnten.
In den letzten etwa zwanzig Jahren haben Sozialwissenschaftler beschrieben ein Trend zunehmender Einsamkeit in der Bevölkerung. Insbesondere in den letzten zehn Jahren durchgeführte Studien haben einen Anstieg der Einsamkeitsraten in weiten Teilen der Gesellschaft dokumentiert, der sich auf Depressionsraten, Selbstmordraten, Drogenkonsum und die allgemeine Gesundheit auswirkt. Diese Probleme sind nur durch Covid-19 noch verschärft Pandemie, da Menschen nicht in der Lage sind, sich sicher persönlich zu treffen und Kontakte zu knüpfen. Bestimmte Gruppen sind anfälliger für extreme Einsamkeit, etwa marginalisierte Gruppen und ältere Erwachsene. Wie MedicalXpress berichtetEine von der UC San Diego durchgeführte Studie ergab, dass die Einsamkeitsrate in Seniorenwohngemeinschaften bei nahezu 85 % lag, wenn man diejenigen zählte, die angaben, mittelschwere oder schwere Einsamkeit zu empfinden.
Um Lösungen für dieses Problem zu finden, müssen sich Sozialwissenschaftler einen genauen Überblick über die Situation verschaffen und sowohl die Tiefe als auch die Breite des Problems bestimmen. Leider sind die meisten Methoden zur Erhebung von Daten zur Einsamkeit in bemerkenswerter Hinsicht begrenzt. Beispielsweise kann die Selbstberichterstattung auf die extremeren Fälle von Einsamkeit ausgerichtet sein. Darüber hinaus können Fragen, bei denen Studienteilnehmer direkt aufgefordert werden, zu quantifizieren, wie „einsam“ sie sich fühlen, aufgrund sozialer Stigmatisierung im Zusammenhang mit Einsamkeit manchmal ungenau sein.
Um eine bessere Metrik zur Quantifizierung der Einsamkeit zu entwickeln, wandten sich die Autoren der Studie der Verarbeitung natürlicher Sprache und maschinellem Lernen zu. Die von den Forschern verwendeten NLP-Methoden werden neben herkömmlichen Instrumenten zur Messung der Einsamkeit eingesetzt, und man hofft, dass die Analyse der natürlichen Art und Weise, wie Menschen Sprache verwenden, zu einer weniger voreingenommenen und ehrlicheren Darstellung der Einsamkeit der Menschen führen wird.
Die leitende Autorin der neuen Studie war Ellen Lee, Assistenzprofessorin für Psychiatrie an der School of Medicine der UC San Diego. Lee und die anderen Forscher konzentrierten ihre Studie auf 80 Teilnehmer im Alter zwischen 66 und 94 Jahren. Die Teilnehmer der Studie wurden von den Forschern ermutigt, Fragen auf eine natürlichere und unstrukturiertere Weise zu beantworten als die meisten anderen Studien. Die Forscher stellten nicht nur Fragen und klassifizierten Antworten. Als Erstautor Ph.D. Varsha Badal erklärte, dass der Einsatz von maschinellem Lernen und NLP es dem Forschungsteam ermöglichte, anhand dieser ausführlichen Interviewantworten herauszufinden, wie subtile Wortwahl und Sprachmuster zusammengenommen auf Einsamkeit hinweisen können:
„NLP und maschinelles Lernen ermöglichen es uns, lange Interviews mit vielen Personen systematisch zu untersuchen und zu untersuchen, wie subtile Sprachmerkmale wie Emotionen auf Einsamkeit hinweisen können. Ähnliche Emotionsanalysen durch Menschen wären anfällig für Voreingenommenheit, mangelnde Konsistenz und eine umfassende Schulung zur Standardisierung erforderlich.“
Dem Forschungsteam zufolge unterschieden sich die Art und Weise, wie einsame Personen auf die Fragen antworteten, im Vergleich zu nicht einsamen Befragten deutlich. Einsame Befragte äußerten mehr Trauer, wenn ihnen Fragen zum Thema Einsamkeit gestellt wurden, und antworteten im Allgemeinen länger. Männer gaben seltener zu, dass sie sich einsam fühlten als Frauen. Darüber hinaus verwendeten Männer häufiger Worte, die Freude oder Angst ausdrückten, als Frauen.
Die Forscher der Studie erklärten, dass die Ergebnisse dazu beitrugen, die Unterschiede zwischen typischen Forschungsmetriken für Einsamkeit und der Art und Weise aufzuklären, wie Einzelpersonen Einsamkeit subjektiv erleben und beschreiben. Die Ergebnisse der Studie deuten darauf hin, dass Einsamkeit durch die Analyse von Sprachmustern erkannt werden könnte, und wenn sich diese Muster als zuverlässig erweisen, könnten sie bei der Diagnose und Behandlung von Einsamkeit bei älteren Erwachsenen helfen. Die von den Forschern entwickelten Modelle für maschinelles Lernen konnten qualitative Einsamkeit mit einer Genauigkeit von etwa 94 % vorhersagen. Es müssen weitere Untersuchungen durchgeführt werden, um festzustellen, ob das Modell robust ist und ob sein Erfolg reproduziert werden kann. In der Zwischenzeit hoffen die Mitglieder des Forschungsteams zu untersuchen, wie NLP-Merkmale mit Weisheit und Einsamkeit korrelieren könnten, die bei älteren Erwachsenen einen umgekehrten Zusammenhang aufweisen.
