Praktisches maschinelles Lernen revolutioniert die Analyse von Aphasie‑Diskursen

Ein neues arXiv‑Paper zeigt, wie moderne Machine‑Learning‑Modelle die Analyse von gesprochenem Diskurs bei Menschen mit Aphasie automatisieren können. Durch die Bewertung der „Correct Information Units“ (CIUs) – also der informativen und kontextrelevanten Wörter – lässt sich die Sprachfähigkeit quantifizieren. Traditionell erfordert diese Analyse jedoch viel manuellen Aufwand seitens der Sprach‑ und Sprechtherapeuten.

Die Studie testete fünf überwachte ML‑Modelle, die anhand von zufällig ausgewählten, von Experten codierten Transkripten trainiert wurden. Bei der einfachen Klassifikation von Wörtern gegen Nicht‑Wörter erreichten alle Modelle nahezu perfekte Ergebnisse (Accuracy 0,995) und hohe AUC‑Werte zwischen 0,914 und 0,995. Für die komplexere Aufgabe, CIUs von Nicht‑CIUs zu unterscheiden, zeigte sich mehr Variabilität: Das k‑Nearest‑Neighbor‑Modell erzielte die höchste Genauigkeit von 0,824 und einen AUC von 0,787.

Diese Ergebnisse deuten darauf hin, dass überwachte ML‑Algorithmen zuverlässig CIUs identifizieren können und damit die bisher zeitintensive manuelle Analyse erheblich entlasten. Die Autoren betonen, dass die Technologie das Potenzial hat, die klinische Praxis zu verbessern und die Sprachdiagnostik bei Aphasie effizienter zu gestalten.