Transparente KI erkennt Autismus in Kliniknotizen – Transferlernen Black‑Box

Ein neues Machine‑Learning‑Modell nutzt BioBERT, ein hochmodernes Sprachmodell, um unstrukturierte klinische Texte zu analysieren. Das System identifiziert Verhaltensbeschreibungen, ordnet sie den diagnostischen Kriterien des Autismus-Spektrums zu und entscheidet anschließend, ob ein Patient ASD hat oder nicht.

Um die Übertragbarkeit zu prüfen, wurde Transferlernen auf zwei unabhängige Datensätze angewendet. Dabei zeigte sich, dass das Training mit gemischten Daten die beste Leistung erzielte: 97 % Sensitivität und 98 % Spezifität. Eine sequentielle Trainingsreihenfolge führte zu einem leichten Leistungsabfall, was die Bedeutung der Datenreihenfolge unterstreicht.

Im Vergleich dazu wurde ein klassisches Black‑Box‑Modell entwickelt. Dieses erreichte bei sequentiellem oder gemischtem Training lediglich 90 % Sensitivität und 96 % Spezifität. Das transparente Modell übertraf das Black‑Box‑Modell deutlich, was die Vorteile einer erklärbaren KI für die klinische Praxis hervorhebt.