Desorganisierte Sprechweise bei Schizophrenie
Desorganisierte Sprechweise, auch „Crazy Talk“ genannt, ist eines der Leitsymptome der Schizophrenie. Die Desorganisation der Sprache äußert sich beispielsweise in Schwierigkeiten beim Wortabruf, Neologismen, Paraphrasien, Mangel an Kohärenz und Konsistenz. Sie kann auch zur Evaluation von Psychosen im Rahmen der Schizophrenie herangezogen werden. Derzeit beruhen die linguistischen Methoden zur Einordnung der individuellen Psychose auf einer subjektiven, qualitativen Untersuchung des Patienten.
Standardisierte Testverfahren zur objektiven Messung und Bewertung der Parameter stehen noch nicht zur Verfügung. Sie wären gerade in Fällen akuter Psychosen hilfreich, um Art und Schwere der Symptome schneller zu erfassen. Wissenschaftler der Universität Toronto, des Massachusetts Institute of Technology und der Universität Halifax sehen in der Verarbeitung natürlicher Sprache (natural language processing [NLP]) eine Option, desorganisierte Sprache objektiv und quantitativ zu analysieren.
NLP bei Patienten mit akuter Psychose
NLP ist ein Teilbereich der künstlichen Intelligenz. Sie soll Computer befähigen, menschliche Sprache zu analysieren. Um zu prüfen, ob NLP prinzipiell für die Analyse und Bewertung von „Crazy Talk“ in der akuten Psychose eingesetzt werden kann, führten die Wissenschaftler eine Pilotstudie am Michael Garron Hospital in Toronto durch. Konkret suchten die Wissenschaftler nach potenziellen Markern in der Sprechweise von Patienten, die einerseits mittels NLP detektierbar sind und sich andererseits zur objektiven Evaluierung der Schwere von Schizophrenie-Symptomen in einem akuten klinischen Setting eignen.
Sprachanalyse und Testverfahren
Für die Pilotstudie entschieden sich die Wissenschaftler für das NLP-Programm BERT (Bidirectional Encoder Representations from Transformers), weil es unter anderen Parametern die Kohärenz eines Textes ebenso misst wie einen ungewöhnlichen „überraschenden“ Sprachgebrauch („level of surprise“), wie er auch bei Schizophrenie vorkommt. Das Programm analysierte 22 Sprachtranskripte von 8-minütigen Interviews von sieben Patienten mit bestätigter Schizophrenie, die mit akuter Psychose hospitalisiert worden waren.
Parallel zu den Interviews evaluierte der Psychiater und Studienautor Cedric Gabilondo die positiven und negativen Symptome der Patienten mit dem Scale for the Assessment of Positive and Negative Symptoms (SAPS/SANS) und die Denk-, Sprach- und Kommunikations-Störung mithilfe der Scale for the Assessment of Thought, Language, and Communication (TLC)).
Übereinstimmungen mit dem TLC bis zu 82%
Im Vergleich von Sprachanalyse und Testergebnissen beobachteten die Wissenschaftler, dass ein eingeschränkter Wortschatz, eine reduzierte syntaktische Komplexität und soziale Unaufmerksamkeit typisch für negative Symptome waren. Mehr Wiederholungen, eine mangelnde Inhaltsdichte, Derailment und exzessives Sprechen traten eher bei positiven Symptomen auf. Die Vorhersagen der Machine-Learning-Modelle in Bezug auf die Schwere von Alogie, Unlogik, Sprachverarmung und sozialer Unaufmerksamkeit deckten sich mit bis zu 82% Genauigkeit mit den TLC-Scores. Darüber hinaus konnte die Sprachinkohärenz mithilfe der mit der NLP entwickelten Marker quantifiziert werden.
Potenziale bestehen, Forschungsbedarf auch
Die Befunde der Pilotstudie weisen darauf hin, dass NLP unter anderem in der Lage ist, inkohärente Sprache objektiv zu messen und bei der klinischen Evaluierung von Schizophrenie-Symptomen von Nutzen sein könnte. Die durch die NLP detektierten Sprachmarker könnten auch das Symptom-Monitoring während des Klinik-Aufenthalts des Patienten verbessern. Um die Ergebnisse dieser sehr kleinen Studie zu erhärten, sind in jedem Fall Studien mit größeren Teilnehmerzahlen erforderlich. Forschungsbedarf besteht auch hinsichtlich einer machbaren Implementierung der Methode in den klinischen Alltag.
Die Studie wurde finanziert durch den Award der Michael Garron Hospital Educational Scholarship and Research Grant.
