Neues Modell multiMentalRoBERTa erkennt 6 psychische Störungen aus Social Media

Die frühzeitige Erkennung von psychischen Erkrankungen aus Texten sozialer Medien ist entscheidend, um rechtzeitig Unterstützung, Risikobewertung und geeignete Ressourcen bereitzustellen. Mit dem neuen Modell multiMentalRoBERTa wird dieses Ziel nun deutlich näher gebracht.

MultiMentalRoBERTa ist ein feinabgestimmtes RoBERTa-Modell, das speziell für die Mehrklassenklassifikation von häufigen psychischen Störungen entwickelt wurde. Zu den untersuchten Kategorien gehören Stress, Angst, Depression, posttraumatische Belastungsstörung (PTBS), suizidale Ideation und neutraler Diskurs.

Durch die Analyse mehrerer kuratierter Datensätze wurden deutliche Überschneidungen zwischen den Klassen identifiziert: Depression korreliert stark mit suizidaler Ideation, Angst mit PTBS, während Stress als breit gefächerte, überlappende Kategorie fungiert.

In Vergleichsstudien übertraf multiMentalRoBERTa sowohl klassische Machine‑Learning‑Methoden als auch andere domänenspezifische Transformer und Prompt‑basierte große Sprachmodelle. Die erreichten Makro‑F1‑Scores liegen bei 0,839 im sechsklassenigen Setup und 0,870 im fünfklassenigen Setup (ohne Stress), was eine deutliche Verbesserung gegenüber dem feinabgestimmten MentalBERT und den Basisklassifikatoren darstellt.

Zur Erklärbarkeit wurden Layer Integrated Gradients und KeyBERT eingesetzt, um die lexikalischen Signale zu identifizieren, die die Klassifikation antreiben. Besonders hervorzuheben ist die Fähigkeit, Depression von suizidaler Ideation zu unterscheiden.

Die Ergebnisse unterstreichen die Wirksamkeit feinabgestimmter Transformer‑Modelle für zuverlässige und interpretierbare Erkennung in sensiblen Kontexten. Gleichzeitig betonen sie die Bedeutung von Fairness, Bias‑Minderung und menschlich-in‑der‑Schleife‑Sicherheitsprotokollen, um verantwortungsvolle Anwendungen zu gewährleisten.