Psychother Psychosom Med Psychol 2022; 72(09/10): 395-396 DOI: 10.1055/a-1915-2589
Editorial
Künstliche Intelligenz für die Sprachanalyse in der
Psychotherapie – Chancen und Risiken
Artificial Intelligence for Speech Analysis in Psychotherapy
– Chances and Risks
Julia Krüger
1
Universitätsklinik für Psychosomatische Medizin und
Psychotherapie, Medizinische Fakultät,
Otto-von-Guericke-Universität Magdeburg
,
Ingo Siegert
2
Fachgebiet Mobile Dialogsysteme, Institut für Informations- und
Kommunikationstechnik, Fakultät für Elektrotechnik,
Otto-von-Guericke-Universität Magdeburg
,
Florian Junne
1
Universitätsklinik für Psychosomatische Medizin und
Psychotherapie, Medizinische Fakultät,
Otto-von-Guericke-Universität Magdeburg
Sprache macht wesentliche Aspekte psychischen Erlebens in Psychotherapie beschreib-
und veränderbar. Hierfür untersuchen Patienten und Therapeuten
kontinuierlich, was gesagt wird, wie es gesagt wird und welche explizite und
implizite Bedeutung das Gesagte haben könnte. Im Forschungskontext erfolgte
die Analyse der sprachlichen Dimension der Therapie bislang manuell mit hohem
Transkriptions-, Analyse- und Interpretationsaufwand. Mittlerweile erobert die
Künstliche Intelligenz (KI) in der Sprachanalyse rasant das Forschungsfeld,
was als mögliche Zeitenwende in der Behandlung psychischer Störungen
gehandelt wird [1]
[2].
Georg Thieme Verlag KG Rüdigerstraße 14, 70469 Stuttgart, Germany
Literatur
1
Chekroud AM,
Bondar J,
Delgadillo J.
et al. The Promise of Machine Learning in Predicting Treatment Outcomes in
Psychiatry. World Psychiatry 2021; 20: 154-170
5
Flemotomos N,
Martinez VR,
Chen Z.
et al. Automated Evaluation of Psychotherapy Skills Using Speech and Language
Technologies. Behav Res 2022; 54: 690-711
7
Goldberg SB,
Flemotomos N,
Martinez VR.
et al. Machine Learning and Natural Language Processing in Psychotherapy Research:
Alliance as Example Use Case. J Couns Psychol 2020; 67: 438-448
9
Sinha Y,
Wendemuth A,
Siegert I.
Emotion Preservation for One-shot Speaker Anonymization Using McAdams.
Elektronische Sprachsignalverarbeitung 2022. Dresden: TUDpress; 2022: 235-242
10
Shatte ABR,
Hutchinson DM,
Teague SJ.
Machine Learning in Mental Health: A Scoping Review of Methods and
Applications. Psychol Med 2019; 49: 1426-1448
