Eine neue Studie der Universität Cincinnati, die in npj Mental Health Research erschienen ist, befürwortet die Verwendung von Algorithmen für das maschinelle Lernen, um nicht nur den Substanzkonsum, sondern auch die vom DSM-5 definierten Verhaltensmuster von substanzbezogene Störungen (SUD, substance use disorders), darunter Kontrollverlust und riskanter Konsum, vorauszubestimmen.

Das besondere Interesse dieser Studie liegt darin, lediglich fünfzehn judgment variables verwendet zu haben. Das System erreichte eine Genauigkeit von 83 % bei der Vorhersage von Verhaltensweisen im Zusammenhang mit SUD und von 84 % bei der Bestimmung der Schwere der Störung. Für das medizinische Personal stellt dieses Instrument einen Fortschritt dar, hin zu einem kostengünstigen, skalierbaren und objektiven Screening, das eine sehr viel schnellere Einstufung erlaubt, als sie mit den aktuellen Methoden möglich ist.

Die Analyse der aus der Studie vorhergehenden Verhaltensprofile bietet wichtige klinische Ansätze: Patient:innen, bei denen eine schwere Störung vorliegt, weisen meist spezifische Persönlichkeitsmerkmale auf, zum Beispiel eine ausgeprägte Risikobereitschaft, eine geringe Frustrationstoleranz und eingeschränkte Vorlieben. Diese Indikatoren erlauben es dem medizinischen Personal, nicht nur manifeste Symptome, sondern auch die Verhaltenskonstellationen zu bestimmen, die einen Rückfall oder eine Verschlechterung der Störung bedingen können.

Die Fähigkeit der KI, diese Entscheidungsprozesse aufzuzeigen, ebnet den Weg für individuelle Präventionsmaßnahmen und eine wirksamere Kontrolle. Wenn es möglich ist, den Verlauf einer Störung vorauszusehen, bevor es zu irreversiblen sozialen und körperlichen Schäden kommt, können Suchterkrankungen mit einer proaktiven Herangehensweise behandelt werden, anstatt auf die Symptome zu reagieren, durch die Verbindung des Potenzials der KI und menschlichem Feingefühl, um die signifikanten Auswirkungen von Substanzkonsum auf die öffentliche Gesundheit weltweit zu reduzieren.

Quelle

Bari S. et al. Predicting substance use behaviors with machine learning using small sets of judgment and contextual variables. npj Mental Health Res 2026;5:5.