Selbstmord ist eine der bedeutende Todesursache sowohl in Israel als auch auf der ganzen Welt, mit jährlich etwa einer Million Selbstmorden weltweit, von denen etwa 500 in Israel geschehen.
Obwohl sie nicht die häufigste Todesursache in der Allgemeinbevölkerung ist, steht sie bei jungen Menschen unter 24 Jahren an erster Stelle. Sie stellt so neben der familiären Tragödie auch einen bedeutsamen wirtschaftlichen Faktor dar. Jeder Selbstmord ist einer zuviel und sollte verhindert werden. Am Ende des tages geht es darum, Leben zu retten.
Soziale, psychologische und psychiatrische Hilfe sind wirksame Instrumente zur Prävention von Selbstmorden, werden aber nur in Fällen eingesetzt, in denen das Problem diagnostiziert wurde und die Person in Behandlung ist.
Daher ist es wichtig, suizidale Tendenzen in der Allgemeinbevölkerung zu erkennen. Dies ist eine äußerst komplexe Herausforderung, da medizinische Informationen im Zusammenhang mit psychischer Gesundheit durch Vertraulichkeitsprotokolle geschützt sind und viele Risikopersonen keine Hilfe suchen.
In den letzten 50 Jahren wurde viel geforscht, um Modelle für die Früherkennung von Menschen mit echtem Selbstmordrisiko zu entwickeln. Das Problem ist, dass diese Modelle bisher auf traditionellen statistischen Methoden basierten und Vorhersagen lieferten, die etwa so genau waren wie Vorhersagen auf Zufallsebene.
Eine neue Studie von Forschern des Technion und der Hebräischen Universität deutet auf einen Durchbruch in diesem Bereich hin. Die in Scientific Reports, einer Zeitschrift der Nature Publishing Group, veröffentlichte Studie wurde von den Technion-Wissenschaftlern Professor Roi Reichart, einem Experten auf dem Gebiet der Verarbeitung natürlicher Sprache, dem Doktoranden Refael Tikochinski (Computerpsychologie) und dem Postdoktoranden Dr. Yaakov Ophir (klinische Psychologie, ein gemeinsamer Termin mit der Hebräischen Universität) sowie zusammen mit den Wissenschaftlern der Hebräischen Universität Professor Christa Asterhan (pädagogische Psychologie) und Dr. Itay Sisso (Kognition und große Daten) durchgeführt.
Die von der Gruppe entwickelten Instrumente ermöglichen die Früherkennung von Risikopopulationen innerhalb der Gesamtbevölkerung, so dass die Erkennung nicht auf Personen beschränkt ist, die bereits wegen psychischer Probleme behandelt werden.
Das System kombiniert maschinelles Lernen und Verarbeitung natürlicher Sprache mit theoretischen und analytischen Werkzeugen aus dem Bereich der Psychologie und Psychiatrie und verwendet geschichtete neuronale Netze.
Laut Prof. Reichart “verstehen wir heute, dass die Erkennung von Suizidalität nicht nur von expliziten Äußerungen von Bedrängnis (wie z.B.: “Ich möchte sterben”) oder von offiziellen medizinischen Aufzeichnungen wie physiologischen Daten aus Gehirnscans, psychiatrischen Auswertungen und anderen Daten aus medizinischen Akten abhängen kann. Versuche, Selbstmordversuche auf der Grundlage demographischer, psychologischer und medizinischer Daten vorherzusagen, sind trotz fünf Jahrzehnten intensiver Forschung nicht besonders erfolgreich gewesen. Deshalb wurde uns klar, dass wir die Herausforderung aus verschiedenen Richtungen gleichzeitig angehen mussten”.
Laut Dr. Ophir wurde die Idee für die Forschung nach dem tragischen Tod von David-El Mizrachi geboren, einem 16-Jährigen, der Selbstmord beging, weil er online und persönlich schikaniert wurde. “Es wurde schnell klar, dass die frühzeitige Erkennung von Selbstmordneigungen eine interdisziplinäre Forschung erfordert, an der Forscher aus verschiedenen Bereichen beteiligt sind. So entstand diese multiuniversitäre und die multidisziplinäre Gruppe”.
Die Forscherinnen und Forscher stellten fest, dass Menschen mit echten Selbstmordneigungen in ihren Postings selten explizit alarmierende Wörter verwenden (wie “Tod”, “töten” oder “Selbstmord”). Häufiger verwenden sie negative beschreibende Wörter (“schlecht”, “schlimm”), Schimpfwörter (“f*ing”, “bch”), Ausdrücke von emotionaler Bedrängnis (“traurig”, “verletzt”, “weinen”, “verrückt”) und Beschreibungen negativer physiologischer Zustände (“krank”, “Schmerz”, “Operation”, “Krankenhaus”).
Menschen, die nicht zu Selbstmord neigen, neigen dazu, mehr positive Emotionen und Erfahrungen auszudrücken und mehr Bezug auf Religion und positive Lebensperspektiven zu nehmen – eine Korrelation, die mit vielen Studien übereinstimmt, die diese Faktoren als Immunität gegen mentalen und emotionalen Stress identifizieren.
Insgesamt analysierten die Forscher mehr als 80.000 Facebook-Postings, die von Erwachsenen in den USA verfasst wurden, und verglichen ihre Sprachgewohnheiten mit ihren Ergebnissen auf einer breiten Palette von gültigen psychologischen Indizes.
“Die Stärke des auf der Verarbeitung natürlicher Sprache basierenden Algorithmus liegt in seiner Fähigkeit, enorme Mengen an sprachlichen Hinweisen zu analysieren – etwas, wozu Menschen nicht in der Lage sind”, erklärte Refael Tikochinski. “In diesem Projekt integrierten wir modernste aufmerksamkeitsbasierte neuronale Netzwerkmodellierung für die Textrepräsentation mit geschichteten neuronalen Netzen zur Klassifizierung.
Prof. Asterhan fügte dies hinzu: “Diese Forschung hat sehr wichtige Anwendungen, um in Not geratene Menschen zu identifizieren und rechtzeitig Hilfe zu leisten. Darüber hinaus zeigt sie die Stärke einer intensiven multidisziplinären Zusammenarbeit und der Kombination von fortgeschrittenem Wissen aus den Sozialwissenschaften und den Datenwissenschaften. Einerseits hat der Einsatz fortschrittlicher Computertechniken neue Forschungsmöglichkeiten in den Sozialwissenschaften eröffnet, die bis dahin nicht möglich waren. Andererseits wurde die wesentliche Verbesserung der Präzisionsraten erreicht, als psychopathologisches Wissen und Daten in die Rechenmodelle eingebettet wurden”.
“Ich habe ein Problem mit Klischees”, schloss Dr. Ophir, “aber in diesem Fall glaube ich, dass der von uns erreichte Durchbruch am Ende des Tages in der Lage ist, Leben zu retten. Ich hoffe, dass diese Forschung ein Vorbote der Hoffnung auf dem Gebiet der psychischen Gesundheit ist”.
Quelle/Sender: Technion