Studie: KI kann bessere klinische Entscheidungen treffen als Menschen

Fehlerrate Typ I (SMD=0) und Leistung (SMD=1 bis 5) über standardisierte mittlere Differenzen für jede Analysemethode Hinweis. CDC: konservative Doppelkriterien, SGD: stochastischer Gradientenabstieg, SVC: Support Vector Classifier, SMD: standardisierte Mittelwertdifferenz. Bildnachweis: DOI: 10.1002/jaba.863

Es ist ein altes Sprichwort: Es kann nicht schaden, eine zweite Meinung einzuholen. Aber was wäre, wenn diese Zweitmeinung von einem Computer mit künstlicher Intelligenz generiert werden könnte? Würde es bessere Behandlungsempfehlungen geben, als Ihr Fachmann vorschlägt?

Zwei kanadische Forscher für psychische Gesundheit glauben, dass dies möglich ist. In einer im veröffentlichten Studie Zeitschrift für Angewandte Verhaltensanalyse, Marc Lanovaz von der Universit茅 de Montr茅al und Kieva Hranchuk vom St. Lawrence College in Ontario plädieren für den Einsatz von KI bei der Behandlung von Verhaltensproblemen.

“Medizinische und pädagogische Fachkräfte sind sich häufig uneins über die Wirksamkeit von Verhaltensinterventionen, die dazu führen können, dass Menschen unzureichend behandelt werden”, sagte Lanovaz, außerordentlicher Professor, der das Applied Behavioral Research Lab an der UdeM School of Psychoeducation leitet.

Um einen besseren Weg zu finden, haben Lanovaz und Hranchuk, Professor für Verhaltenswissenschaften und Verhaltenspsychologie an der St. Lawrence, simulierte Daten von 1.024 Personen zusammengestellt, die wegen Verhaltensproblemen behandelt wurden.

Anschließend verglichen die Forscher die Behandlungsschlussfolgerungen von jeweils fünf promovierten Verhaltensanalytikern mit denen eines Computermodells, das die beiden Wissenschaftler mit maschinellem Lernen entwickelt hatten.

“Die fünf Profis kamen nur in etwa 75 Prozent der Fälle zu den gleichen Schlussfolgerungen”, sagte Lanovaz. “Noch wichtiger ist, dass maschinelles Lernen weniger Entscheidungsfehler produziert hat als alle Fachleute.”

Angesichts dieser sehr positiven Ergebnisse wäre der nächste Schritt, „unsere Modelle in eine App zu integrieren, die automatisch Entscheidungen treffen oder Feedback zum Behandlungsverlauf geben könnte“, fügte er hinzu.

Das Ziel, so glauben die Forscher, sollte darin bestehen, durch maschinelles Lernen die Arbeit von Fachkräften zu erleichtern und nicht zu ersetzen, und gleichzeitig Behandlungsentscheidungen konsistenter und vorhersehbarer zu machen.

„Zum Beispiel könnten Ärzte eines Tages die Technologie nutzen, um zu entscheiden, ob die Behandlung von Menschen mit so unterschiedlichen Störungen wie Autismus, ADHS, Angstzuständen und Depressionen fortgesetzt oder abgebrochen werden soll“, sagte Lanovaz.

“Individualisierte klinische und pädagogische Entscheidungsfindung ist einer der Eckpfeiler der psychologischen und verhaltenstherapeutischen Behandlung. Unsere Studie kann daher zu besseren Behandlungsmöglichkeiten für Millionen von Menschen führen, die weltweit diese Art von Dienstleistungen erhalten.”


Leave a Comment