Jetzt zum Vortrag anmelden
Jetzt zum Vortrag anmelden
Maschinen verstehen Menschen - Deep Learning gegen Impfskepsis
25.07.2023 Impfskepsis stellt eine gewaltige Herausforderung für Gesundheitssysteme weltweit dar. Eines der effektivsten Gegenmittel sind persönliche Gespräche zwischen PatientInnen und medizinischem Fachpersonal. Ein internationales Team, zu dem auch Forschende der TU Darmstadt zählen, versucht mittels Deep Learning Antworten darauf zu geben, wie solche Gespräche am besten gelingen können.
![(Bild: Unsplash/Pixabay) (Bild: Unsplash/Pixabay)](/cgi-bin/resize/upload/bilder/678552veg.jpg?maxwidth=990&maxheight=529&right=1910&top=3&left=0&bottom=1024)
Eines der effizientesten Mittel gegen Impfskepsis ist verblüffend naheliegend: persönliche Gespräche zwischen PatientInnen und medizinischem Fachpersonal. Menschen mit einer Abneigung gegen das Impfen schenken Argumenten pro Impfung eher Glauben, wenn ihnen diese von Angesicht zu Angesicht präsentiert werden. Allerdings ist es wichtig, dass MedizinerInnen gut vorbereitet in solche Gespräche gehen und auf Sorgen und Bedenken ihrer Gegenüber zielgerichtet eingehen können.
KI analysiert Motive von Impfskeptikern
Eine Hilfestellung dazu soll ein interdisziplinäres Projekt leisten, dessen erste Ergebnisse nun in der renommierten Fachzeitschrift "Nature Human Behaviour
![zur Homepage dieses Unternehmens](/img/extLinkHome.gif)
![Relation Browser](/img/extLinkRelation.gif)
![‘Stephan Lewandowsky’ in Expertenprofilen nachschlagen](/img/extLinkProfil.png)
![zur Homepage dieses Unternehmens](/img/extLinkHome.gif)
![Relation Browser](/img/extLinkRelation.gif)
![‘Iryna Gurevych’ in Expertenprofilen nachschlagen](/img/extLinkProfil.png)
![‘Luke Bates’ in Expertenprofilen nachschlagen](/img/extLinkProfil.png)
Der Beitrag der Darmstädter Forschenden bestand dabei in der Datenanalyse von Internetquellen und wissenschaftlichen Artikeln mithilfe sogenannter Sentence Transformers. Dabei handelt es sich um Deep-Learning-Modelle, die Sätze oder Textpassagen in Vektor-Repräsentationen konvertieren. Eines der Modelle, SetFit, entstand unter Mitwirkung des UKP Labs
![zur Homepage dieses Unternehmens](/img/extLinkHome.gif)
![Relation Browser](/img/extLinkRelation.gif)
Präzisere Ergebnisse dank Fachliteratur
Beeindruckend war für das Team, dass die Modelle präzisere Ergebnisse lieferten, wenn sie mit Fachliteratur zum Thema trainiert wurden. Insgesamt 152 wissenschaftliche Artikel über Impfskepsis wurden bei der Arbeit berücksichtigt und in die Sprachmodelle eingepflegt. In der Folge gelang es den Modellen, impfskeptische Erzählmuster und Weltbilder auch zu identifizieren, wenn über sie in Fact-Checking-Artikeln berichtet wurde - ein wichtiger Schritt dabei, sie auch in anderen Internettexten wie Foren-Threads und in sozialen Medien wiederzuerkennen. "Die Systeme werden durch den Input aus akademischen Artikeln über Anti-Impf-Diskurse geschickter darin, genau diese Diskurse in den Rohdaten zu erkennen - eine Transferleistung, für die üblicherweise menschliche AnnotatorInnen erforderlich sind", erklärt die Leiterin des Projekts an der TU Darmstadt, Professorin Gurevych.Zukunftsweisend dürfte die enge Zusammenarbeit zwischen Forschenden aus Geistes- und Technikwissenschaften sein. "Die Pandemie hat gezeigt, wie wichtig es ist, Fehlinformationen direkt zu begegnen", betont Luke Bates, Doktorand am UKP Lab und am Hessischen Zentrum für Künstliche Intelligenz (hessian.ai): "Zu diesem Zweck ist es wichtig, dass ForscherInnen auf dem Gebiet des maschinellen Lernens und Natural Language Processing eng mit jenen aus Disziplinen zusammenarbeiten, die ein tiefes Verständnis für die mit diesem Problem verbundenen Inhalte und die davon betroffenen Menschen haben." Das langfristige Ziel des Projektes ist es, in Zukunft gezielt Gegenargumente und andere Maßnahmen zu entwickeln, die sich mit den zugrundeliegenden Motiven der Impfgegner befassen.
LOXXESS AG
Die LOXXESS AG ist ein spezialisierter Logistikdienstleister mit Schwerpunkt auf komplexe Outsourcing-Projekte in Industrie und Handel. Das mittelständische, familiengeführte Unternehmen entwickelt für seine Kunden maßgeschneiderte Lösungen in den Bereichen Kontraktlogistik, Value-Added-Services und Fulfillment.
Unternehmensprofil ansehen