MentalWords

Stress und psychische Gesundheit sind eine grosse Herausforderung der heutigen Gesellschaft. Dieses Projekt untersucht, wie Natural Language Processing (NLP) eingesetzt werden kann, um mehr über diese Krankheitsbilder zu erfahren.

Ausgangslage

Verschiedene Studien zeigen, dass Stress am Arbeitsplatz oder bei der Care-Arbeit zu einem weit verbreiteten gesellschaftlichen Problem geworden ist. Anhaltende Stresssituationen können zu psychischen Problemen führen, wie z.B. Depressionen, Angstzuständen oder einem Burnout. Die Erkennung von psychischen Erkrankungen ist schwierig, da sie die Folge vieler verschiedener Faktoren sind und sich in einer Vielzahl von körperlichen und geistigen Symptomen äussern. Ausserdem können sich die Symptome verschiedener psychischer Erkrankungen überschneiden, so dass unklar ist, welche Grunderkrankung behandelt werden sollte. Bei klinischen Interventionen und in der Feldforschung werden psychische Gesundheitsprobleme in der Regel mit Hilfe von Fragebögen mit skalierten Fragen erfasst. Es hat sich jedoch gezeigt, dass solche Fragebögen Einschränkungen haben können. Beispielsweise können Personen aufgrund dem Empfinden sozialer Erwünschtheit anders beantworten, als sie es wirklich meinen oder aufgrund von Abwehr und Verleugnung, insbesondere bei heiklen oder stigmatisierten Themen, gänzlich anders beantworten.

Vorgehen

Während die Verwendung von Freitextfragen vielversprechend ist, ist die Auswertung solcher Fragen mit einem hohen manuellen Aufwand verbunden und wird daher in der Praxis nicht oft verwendet. Neue Technologien aus dem Bereich des maschinellen Lernens und der Verarbeitung natürlicher Sprache (NLP) bieten Möglichkeiten zur automatischen Verarbeitung von Text. Es gibt jedoch drei grosse Herausforderungen: (a) die meisten Forschungsarbeiten in diesem Bereich stützen sich auf soziale Medien, es gibt nur wenige klinische Daten, die für NLP in der Forschung zur psychischen Gesundheit zur Verfügung stehen, (b) die klinische Unterscheidung zwischen Burnout, Depression und anderen damit verbundenen Problemen ist eine Herausforderung, da sich die Symptome überschneiden können, (c) es kann für die betroffenen Patientengruppen schwierig sein, sich schriftlich auszudrücken.

Ausblick

In diesem Projekt werden technische und medizinische Forschende eng mit einem klinischen Partner zusammenarbeiten, um transkribierte Daten von verschiedenen Gruppen von Patient*innen mit psychischen Erkrankungen zu sammeln, und aus der arbeitenden Bevölkerung ohne klinische Hinweise auf eine psychische Erkrankung. Unser Ziel ist es, ein Datenerfassungsprotokoll zu entwickeln, das sich möglichst reibungslos in den klinischen Arbeitsablauf einfügt, um den Aufwand für den klinischen Partner langfristig auf ein Minimum zu beschränken. Wir analysieren die transkribierten Daten, um die Unterschiede und Überschneidungen zwischen den Gruppen zu erforschen, und entwickeln ein Modell, um Anzeichen für Burnout, Depression und Angstzustände in deutschen Textdaten zu identifizieren.

Kontakt

Prof. Dr. Mascha Kurpicz-Briki

• Dozentin
• +41 32 321 63 13
• E-Mail anzeigen

• Zum Profil

Dieses Projekt leistet einen Beitrag zu den folgenden SDGs

• 
•