Ein neuartiges KI-basiertes System namens MATRIX soll Psychiatern und Psychotherapeuten in Echtzeit bei der Diagnostik depressiver Symptome helfen. Das Tool interagiert mit Patienten in natürlicher Sprache, wendet den standardisierten Patient Health Questionnaire-9 (PHQ-9) an und liefert nicht nur eine Wahrscheinlichkeitsdiagnose, sondern auch nachvollziehbare Begründungen sowie klinisch standardisierte SNOMED-CT-Codes. Die Studie erschien am 13. Februar 2026 in Frontiers in Digital Health.
Das Forschungsteam um Sweety Ramnani von der University of South Carolina entwickelte MATRIX, um dem weltweiten Mangel an Fachkräften im Bereich psychischer Gesundheit entgegenzuwirken. Mehr als eine Milliarde Menschen leben mit psychischen Erkrankungen, doch die globale Quote an Fachkräften liegt bei nur 13 pro 100.000 Einwohner – in vielen Ländern noch deutlich niedriger. MATRIX soll Kliniker entlasten, Wartezeiten verkürzen und den Zugang zu Versorgung verbessern.
Das System verarbeitet Patientenantworten in Echtzeit über eine NLP-Pipeline, klassifiziert sie anhand des PHQ-9-Fragebogens und berechnet einen Schweregrad-Score (0–27). Ein mehrschichtiges neuronales Netz, trainiert auf dem PRIMATE-Ontologie-Datensatz, gewichtet die Symptome und generiert die wahrscheinlichste Diagnose. Eine Explainable-AI-Schicht (X-AI Attribution Reasoning) erstellt transparente Begründungspfade, die mit SHAP-ähnlichen Attribution-Maps und narrativen Zusammenfassungen visualisiert werden. Zusätzlich ordnet das System jedem Symptom und der Diagnose passende SNOMED-CT-Konzepte zu, die weltweit in elektronischen Patientenakten verwendet werden.
Im Gegensatz zu reinen Chatbots oder regelbasierten Scoring-Tools integriert MATRIX erklärbare KI-Prinzipien, um „Black-Box“-Effekte zu vermeiden. Die Begründungen sind klinisch nachvollziehbar und können direkt für Dokumentation, Überweisungen oder Abrechnung genutzt werden. Datenschutz wird durch lokale Verarbeitung mit BERT-Modellen gewährleistet.
In kontrollierten klinischen Simulationen erreichte MATRIX über 89 Prozent Klassifikationsgenauigkeit. Pilot-Evaluationen zeigten hohe Zufriedenheit bei Klinikern. Die Autoren betonen, dass das System die diagnostische Kapazität erweitert, ohne die Verantwortung des Fachpersonals zu ersetzen. MATRIX fördere vielmehr eine vertrauensvolle Mensch-KI-Kollaboration.
Die Arbeit unterstreicht das Potenzial erklärbarer KI, um psychische Versorgung effizienter, transparenter und gerechter zu gestalten – insbesondere in unterversorgten Regionen. Weitere Validierungen in realen klinischen Settings werden angestrebt.
Source
https://doi.org/10.3389/fdgth.2025.1621271
