KI-gestützte Emotionserkennung in digitaler Psychotherapie: Prozessanalyse
Von KI ausgewählt und zusammengefasst
Worum es geht
Retrospektive Analyse von Nachrichtenebenen-KI-Emotionsdaten aus 28.870 Sitzungen von 4.463 Nutzern des KI-gestützten Mental-Health-Interventions-Tools Yuna mit Fokus auf emotionale Zustände, Trajektorien und Prädiktoren von Belastungsreduktion.
Ergebnis
Fünf Trajektorienttypen wurden identifiziert: stabil (26,6%), reduzierte Belastung (24,4%), Übergangsprozess (21,5%), anhaltende Belastung (15,8%) und eskalierende Belastung (11,7%). Kognitiver Verarbeitungszustand war am häufigsten auf Nachrichtenebene (35,8%), gefolgt von Belastungszuständen (32,2%). Unter Sitzungen mit Belastung am Anfang zeigten 73,3% (1.170/1.597) reduzierte Belastungstrajektorien am Ende. Reduzierte-Belastungs-Sitzungen waren durch mehr Nachrichten (B=1,67; P=0,02), längere Dauer (B=3,61; P=0,001), KI-Emotionswechsel (B=1,57; P=0,01) und höhere Anteile kognitiver Verarbeitung charakterisiert. Mehr eindeutige emotionale Zustände (OR 1,16; P<0,001) und längere Sitzungsdauer (OR 1,01; P=0,04) waren positiv, mehr Emotionswechsel negativ mit Belastungsreduktion assoziiert (OR 0,97; P=0,003).
Übertragbarkeit auf Deutschland
USA; Prozessmarker aus KI-Sprachdaten für Versorgungsevaluationen übertragbar.
Originalstudie in PubMedIm Hub ansehenNeue Studien per E-Mail
Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.