Kann Künstliche Intelligenz ein Burn-out erkennen?

Menschen mit einem Burn-out fühlen sich körperlich und psychisch ausgelaugt. Ein vom Schweizerischen Nationalfonds (SNF) unterstütztes Forschungsteam stellt in der Fachzeitschrift «Frontiers in Big Data» eine Methode zur Burn-out-Erkennung vor, die auf maschineller Sprachverarbeitung beruht.

Bisher wurde Burn-out mit Hilfe psychologischer Tests mit bestimmten Antwortskalen diagnostiziert. Solche Tests sind je nach Volumen in der Auswertung aufwändig. Da sie auf Selbstauskünften der befragten Personen beruhen, können zudem Verzerrungen stattfinden, weil sich etwa die Antwortenden scheuen, ehrliche Auskünfte zu geben.

Mascha Kurpicz-Briki, Professorin für Data Engineering an der Berner Fachhochschule in Biel entwickelte nun mit ihrem Team eine Methode, die mit künstlicher Intelligenz Texte automatisch analysiert, um ein Burn-out zu identifizieren. 93% der Burn-out-Fälle wurden im Rahmen der Studie richtig erkannt.

Die Vorgehensweise

Für ihre Arbeit analysierte die Forscherin mit ihrem Team Texte, die von der englischsprachigen Internetplattform Reddit stammten. Diese ist öffentlich zugänglich und bietet nach Themen gegliederte Diskussionsforen. Das Team erstellte eine Datenbank mit über 13 000 Textausschnitten, ein Teil davon aus Diskussionen zum Thema Burn-out, die übrigen aus Beiträgen zu anderen Themen.

Danach entwickelten die Forschenden auf Basis von maschinellem Lernen ein Verfahren, das erkennt, wenn ein Text von einer Person geschrieben wurde, die ein Burn-out hat. Konkret teilte das Team zuerst die gesammelten Texte in Kategorien ein. Diejenigen aus den Diskussionsforen über Burn-outs wurden manuell eingeteilt, um Beiträge ohne direkten Bezug zum Thema auszuschliessen. Die Texte aus Diskussionsforen, in denen es nicht um psychische Gesundheit geht, wurden anderen Kategorien zugeteilt.

Anhand dieser Beispiele trainierte die Forschergruppe mehrere Modelle, von denen jedes anhand unterschiedlicher Konfigurationen bestimmte, ob ein unbekannter Text Hinweise auf ein Burn-out enthält oder nicht. Diese Modelle wurden dann zu einem Diagnoseinstrument ausgebaut, das sich als sehr effizient herausstellte.

Die Ergebnisse müssen nun noch bestätigt werden. Im nächsten Schritt werden medizinische Fachpersonen die Schlussfolgerungen dieses ersten explorativen Projekts überprüfen, indem sie es auf reale Burn-out-Fälle und eine repräsentative Bevölkerungsstichprobe anwenden. Die Daten auf Reddit hingegen sind anonym.

Angaben zur Studie: G. Merhbene, S. Nath, A. Puttick, M. Kurpicz-Briki: BurnoutEnsemble: Augmented Intelligence to Detect Indications for Burnout in Clinical Psychology. Frontiers in Big Data (2022).