Forscher der University of Pennsylvania, der New York University und des Penn’s Linguistic Data Consortium haben vom Wellcome Trust ein zweijähriges Stipendium in Höhe von 4 Millionen US-Dollar erhalten, um eine skalierbare, KI-gestützte Plattform für die Ausbildung von Klinikern für psychische Gesundheit zu entwickeln.

STELLAR – die Abkürzung für Steering-Vector Enhanced LLM Agents for Realistic Digital Twins in Mental Health – wird virtuelle Patienten, sogenannte „digitale Zwillinge“, in Form von KI-gesteuerten Simulationen erstellen, die es Auszubildenden ermöglichen, klinische Interviews mit Patientenprofilen zu üben, deren psychiatrische Symptome präzise angepasst werden können.

Eine Herausforderung bei der Ausbildung von Psychiatern besteht darin, die Auszubildenden auf die Komplexität realer klinischer Gespräche vorzubereiten, bei denen sich Symptome überschneiden, sich im Laufe der Zeit verschieben und von Person zu Person unterschiedlich ausgedrückt werden können. Das Ziel von STELLAR besteht darin, Auszubildenden eine ethische und wiederholbare Möglichkeit zu bieten, die Befragung von Patienten über ein breites Spektrum an Symptomdarstellungen, Hintergründen und klinischen Szenarien hinweg zu simulieren.

„STELLAR vereint Verhaltensdaten, klinisches Fachwissen und KI, um eine sehr praktische Frage zu stellen“, sagt Sharath Chandra Guntuku, Research Associate Professor für Computer- und Informationswissenschaft (CIS) bei Penn Engineering und eine der Projektleiterinnen. „Können wir Schulungsinstrumente entwickeln, die Kliniker besser auf die Vielfalt und Komplexität der Patienten vorbereiten?“

Werbung
Hier könnte Ihr Advertorial stehen
Ein Advertorial bietet Unternehmen die Möglichkeit, ihre Botschaft direkt im redaktionellen Umfeld zu platzieren

„Das Versprechen dieses Ansatzes besteht darin, dass wir über stilisierte und möglicherweise voreingenommene Simulationen hinausgehen können“, fügt João Sedoc, Assistenzprofessor für Technologie, Betrieb und Statistik an der Stern School of Business der NYU und weiterer Projektleiter, hinzu. „Wenn wir digitale Patienten erstellen können, die einen kontrollierbaren, plausiblen Symptomausdruck simulieren und verantwortungsbewusst bewerten, können wir die derzeitigen Ausbildungspraktiken von Klinikern um die Art von Gesprächen erweitern, die für eine bessere psychische Gesundheitsversorgung unerlässlich sind.“

Die Kraft von Patientensimulationen

Bei den Simulationen von STELLAR handelt es sich nicht um Kopien einzelner Patienten, sondern um zusammengesetzte Zusammenstellungen, die auf realen Daten basieren und Ärzten dabei helfen können, realistische Gespräche in einer kontrollierten Umgebung zu üben.

Für das Training der psychischen Gesundheit ist es besonders wichtig, die Symptome, mit denen die Schüler konfrontiert werden, genau kontrollieren zu können. Ein Auszubildender muss möglicherweise die Befragung eines Patienten mit leichter Angst und dann eines Patienten, dessen Angst sich mit Depressionen oder Psychosen überschneidet, üben.

STELLAR soll diese Variationen ermöglichen und es Forschern und Trainern ermöglichen, anzupassen, wie Symptome auftreten, wie stark sie zum Ausdruck kommen und wie sie miteinander interagieren.

In der Psychiatrie kommt es auf die Details der Symptomerfahrung an: wie jemand Stress beschreibt, wie sich Symptome überschneiden, wie sich der Schweregrad im Laufe der Zeit ändert und wie der Kontext die klinische Interaktion prägt.“

Raquel Gur, Karl und Linda Rickels Professorin für Psychiatrie mit Nebenberufen in Neurologie und Radiologie an der Perelman School of Medicine in Penn

Daten in Patientensimulationen umwandeln

Um diese Simulationen zu erstellen, werden die Forscher auf klinische Daten der Philadelphia Neurodevelopmental Cohort zurückgreifen, einer von Penn Medicine und dem Children’s Hospital of Philadelphia (CHOP) gegründeten Forschungsressource, die psychiatrische Beurteilungen und klinische Interviews mit Tausenden junger Menschen umfasst.

Das Projekt wird sich auch auf Daten von Social-Media-Plattformen stützen, auf denen psychische Gesundheitssymptome in der Alltagssprache auftauchen können. „Viele psychische Gesundheitssymptome treten nicht nur in formellen klinischen Umgebungen auf, sondern kommen auch in der Art und Weise zum Ausdruck, wie Menschen tagtäglich sprechen, auch online“, bemerkt Guntuku.

Patientensimulationen werden für die Ausbildung von Klinikern nur dann nützlich sein, wenn sie auf echter klinischer Sprache basieren und als klinische Interaktionen und nicht nur als plausibler KI-Dialog bewertet werden.“

Neville Ryant, Forscher beim Linguistic Data Consortium (LDC) in Penn und Projektleiter bei STELLAR

„Die Aufgabe des LDC besteht darin, Sprach- und Sprachwissenschaft in den Mittelpunkt des Projekts zu rücken: Spracherkennungstools an klinische Interviews anzupassen, qualitativ hochwertige Transkripte und Anmerkungen zu erstellen und dabei zu helfen, sowohl das, was die Simulationen sagen, als auch die Art und Weise, wie sie es sagen, zu bewerten“, fügt Ryant hinzu.

„Dazu gehört die Beurteilung der von den Modellen erzeugten Sprache, der Natürlichkeit synthetischer Stimmen, der Frage, wie gut diese Stimmen Zielsprachmuster widerspiegeln, und des Verhaltens des Avatars während realer Interaktionen mit den Auszubildenden.“

Zentrierung menschlicher Patienten

Obwohl STELLAR KI zur Erstellung digitaler Patienten einsetzen wird, kann das Projekt allein aufgrund der technischen Leistung nicht erfolgreich sein. Die Simulationen müssen auch von den Personen bewertet werden, die am wahrscheinlichsten verstehen, wie sich eine realistische, respektvolle und nützliche Interaktion anfühlen sollte.

Zu diesem Zweck wird das Team während des gesamten Projekts Menschen mit persönlicher Erfahrung mit psychischen Erkrankungen sowie Familienmitglieder und Betreuer einbeziehen, die wertvolle Perspektiven in den Bewertungsprozess einbringen.

Ihr Feedback wird den Forschern dabei helfen, zu beurteilen, ob die Simulationen reale Muster des Symptomerlebnisses widerspiegeln, eine Abflachung oder Stereotypisierung von Patienten zu vermeiden und die Auszubildenden auf die Komplexität, Vielfalt und Nuancen realer klinischer Gespräche vorzubereiten.

„Durch die Einbeziehung von Personen mit gelebter Erfahrung während des gesamten Projekts kann STELLAR uns dabei helfen, nicht nur zu fragen, ob ein digitaler Patient klinisch korrekt ist, sondern auch, ob sich die Interaktion respektvoll, realistisch und aufmerksam gegenüber Erfahrungen anfühlt, die allzu oft übersehen werden“, sagt Gur.

Verbesserung der Ausbildung für Psychiater

Letztendlich könnte STELLAR Schulungsprogrammen eine skalierbare Möglichkeit bieten, Ärzte auf vielfältigere und komplexere Patientenbegegnungen vorzubereiten, einschließlich Kombinationen von Symptomen, die bei herkömmlichen Schulungen möglicherweise nur schwer konsistent zu begegnen sind.

„Durch die Verbindung des realen Symptomausdrucks mit kontrollierbaren digitalen Simulationen hoffen wir, die Ausbildung von Klinikern skalierbarer, strenger und repräsentativer zu machen“, sagt Guntuku.

Quellen:

University of Pennsylvania School of Engineering and Applied Science