REFINE: Vorverarbeitung macht psychiatrische Fragebögen interpretierbar

Psychiatrische Fragebögen sind stark kontextabhängig und liefern oft nur schwache Vorhersagen für das spätere Symptomaufkommen. Das erschwert es, prognostische Zusammenhänge zuverlässig zu erlernen. Zwar steigern flexible nichtlineare Modelle die Genauigkeit, doch ihre begrenzte Interpretierbarkeit kann das Vertrauen von Klinikern untergraben.

In Bereichen wie Bildgebung und Omikik wird häufig ein zweistufiger Ansatz verwendet: Zuerst werden artefaktbelastete Messungen durch Vorverarbeitung bereinigt, anschließend ein interpretierbares lineares Modell geschätzt. REFINE übernimmt diese Strategie für Fragebogen­daten. Dabei wird die nichtlineare Kapazität ausschließlich in einem Basismodul zur Vorverarbeitung konzentriert, das stabile Itemwerte schätzt. Auf diese stabilisierten Werte wird anschließend eine lineare Abbildung auf die zukünftige Symptomschwere gelernt.

Der zweistufige Ansatz, den die Autoren REFINE (Redundancy‑Exploiting Follow‑up‑Informed Nonlinear Enhancement) nennen, hält die Prognosebeziehung transparent und global interpretierbar – dank einer klaren Koeffizientenmatrix. In Experimenten über psychische und nicht‑psychiatrische Langzeitvorhersagen übertrifft REFINE andere interpretierbare Methoden, während es gleichzeitig eine eindeutige globale Attribution der prognostischen Faktoren beibehält.