Veelzeggende spraak bij schizofreniespectrumstoornis

De jury sprak lovende woorden: ‘In een uitgebreid en prachtig opgebouwd proefschrift neemt Janna de Boer ons mee in de wereld van taal- en spraakanalyse in de psychiatrie. […] Dit proefschrift onderscheidt zich doordat Janna vanuit de studiebanken een observatie heeft gedaan […] en daarvanuit vragen en hypotheses heeft ontwikkeld.’

Dat maakt nieuwsgierig! Hoe kwam je tot dit onderzoek?

‘In mijn derde studiejaar demonstreerde prof. Iris Sommer een patiënt van de psychoseafdeling. Ik volgde toen al uit interesse een paar vakken bij de studie taalwetenschappen. Het viel me op dat deze patiënt op een bijzondere manier sprak. Dat bleek het gevolg te zijn van formele denkstoornissen, kenmerkend voor psychosen. Het fascineerde me en daarom mailde ik Iris, waarna ik bij haar stage mocht lopen. Dat liep uit in dit promotieonderzoek. In het onderzoek naar psychose komen mijn passie voor de psychiatrie en interesse in taal perfect samen.’

Hoe ging je te werk?

‘We namen interviews over alledaagse onderwerpen op met patiënten met een schizofreniespectrumstoornis (SSD) en gezonde controles. De opnames analyseerden we op verschillende manieren. We keken naar akoestische componenten, zoals toonhoogte, spreeksnelheid en pauzes, maar ook naar de inhoud, via transcripten. Voor de analyse van de inhoud gebruikten we een vorm van kunstmatige intelligentie (artificial intelligence, AI, red.), namelijk Large Language Models (LLM’s). Het grappige is dat door ChatGPT iedereen nu opeens weet wat dat zijn. LLM’s hebben een enorme vlucht gemaakt; veel van mijn onderzoek is methodologisch alweer achterhaald – maar de inhoud staat gelukkig overeind.’

Hoe wijkt spraak van mensen met een schizofreniespectrumstoornis af?

‘We vroegen deelnemers bijvoorbeeld om te vertellen over zwemlessen van vroeger. Je kunt dan vertellen over bijvoorbeeld door het gat zwemmen, maar één patiënt vertelde enkel dat hij les had in een blauw gebouw. Op zich geen “fout” antwoord, maar wel afwijkend. Overigens zijn psychiaters uit de kliniek wel meer afwijkend taalgebruik gewend, maar wij includeerden in onze studie patiënten die redelijk stabiel waren.’

We hopen terugval in psychose vroegtijdig te herkennen

Wat waren de onderzoeksresultaten?

‘Met gebruik van alleen akoestische kenmerken konden we patiënten en gezonde controlepersonen met een nauwkeurigheid van 86 procent onderscheiden. Met machine learning op basis van transcripten was dat 85 procent. Een mooie score, maar ons doel is natuurlijk niet om patiënten van gezonde mensen te onderscheiden. Dat kan de psychiater zelf ook. We hopen vooral dat we een terugval in psychose vroegtijdig kunnen herkennen. Een terugval is invaliderend en heel heftig voor patiënten en familie. Patiënten zoeken zelf vaak geen hulp, waarwetenschap door ze pas in een laat stadium worden opgenomen en medicatie krijgen. Je zou ze liever eerder behandelen, bijvoorbeeld met medicatie of door ze te helpen om te stoppen met blowen.’

Hoe hopen jullie patiënten die een terugval krijgen te identificeren?

‘In een grote Europese trial, TRUSTING, volgen we patiënten met SSD en laten hen wekelijks spraakopnames maken. Spraak en taalgebruik fluctueren, ook bij gezonde mensen. We verwachten daarom dat onze modellen niet alleen in staat zijn om gezonde mensen te onderscheiden van mensen met SSD, maar om dankzij die fluctuaties ook terugvallen in psychose te voorspellen. Een eerste kleine studie liet al zien dat we met 80 procent zekerheid konden voorspellen wie binnen drie maanden een psychose kreeg en wie niet. Ik vraag me af of ik dat als psychiater zo goed zou kunnen. En we verwachten dat de scores nog beter worden, want de modellen presteren beter als ze met meer data getraind zijn. Overigens hebben niet alleen patiënten en hun familie baat bij zo’n innovatie. De psychiatrie is overbelast, iedereen is druk. Als we AI kunnen inzetten voor voorselectie en monitoring, dan scheelt dat werk en tijd.’

TRUSTING heeft tot doel een gebruiksvriendelijk, betrouwbaar, op spraak gebaseerd hulpmiddel te ontwikkelen voor het voorspellen van terugval bij psychose. Zie: trusting-project.eu.