Die Pausen zwischen Wörtern, das „äh” vor einem Satz, der Moment, in dem jemandem ein Name nicht einfällt: Das sind Merkmale alltäglicher Sprache, die die meisten Menschen als bedeutungsloses Rauschen abtun. Neue Forschungsergebnisse von Baycrest, der University of Toronto und der York University legen nahe, dass dem nicht so ist. Diese subtilen Muster enthalten offenbar aussagekräftige Informationen über die Gehirngesundheit – und künstliche Intelligenz ist inzwischen in der Lage, sie zu lesen.
Was die Forschung tatsächlich ergeben hat
In der Studie wurden Teilnehmende gebeten, detaillierte Bilder zu betrachten und mit eigenen Worten zu beschreiben, was sie sahen. Parallel dazu absolvierten die Teilnehmenden etablierte Tests zur Messung der Exekutivfunktion – jenes Bündels kognitiver Fähigkeiten, das Gedächtnis, Planung, Aufmerksamkeit und flexibles Denken steuert.
Anschließend setzten die Forschenden KI ein, um die Sprachaufnahmen zu analysieren. Das System erkannte Hunderte subtiler Merkmale: wie lange Pausen dauerten, wie häufig sie auftraten, wie oft Füllwörter wie „äh” und „ähm” vorkamen, sowie verschiedene zeitbezogene Muster in den Aufnahmen. Diese Marker sagten konsistent voraus, wie gut die Teilnehmenden bei den kognitiven Tests abschnitten. Der Zusammenhang blieb auch dann bestehen, wenn Variablen wie Alter, Geschlecht und Bildungsstand berücksichtigt wurden.
Genau das übersehen die meisten Berichte über KI-Gesundheitstools. Die KI stellte hier keine Diagnosen. Sie fungierte als präzises Messinstrument, das Muster in Daten erkennt, die zu kleinteilig und zu zahlreich sind, um von menschlicher Beobachtung zuverlässig erfasst zu werden. Das kognitive Signal war in der Sprache stets vorhanden. Die Technologie macht es lesbar.
Die Ergebnisse bauen zudem auf früheren Arbeiten auf, die in der Studie zitiert werden – konkret auf einer Untersuchung von Wei et al. aus dem Jahr 2024, die feststellte, dass ältere Erwachsene, die schneller sprechen, im Laufe der Zeit tendenziell stärkere Denkfähigkeiten bewahren. Die neue Forschung erweitert diese Fragestellung und verbindet ein breiteres Spektrum von Sprachmerkmalen mit der Exekutivfunktion über die gesamte Lebensspanne Erwachsener.
Warum Sprache ein besonders nützliches Fenster ist
Die Exekutivfunktion nimmt mit dem Alter auf natürliche Weise ab und ist häufig in den frühen Stadien von Demenz beeinträchtigt. Standardisierte kognitive Tests existieren, um dies zu verfolgen, haben jedoch praktische Grenzen. Tests sind zeitaufwendig in der Durchführung. Menschen verbessern sich allein durch wiederholte Exposition gegenüber denselben Aufgaben, was deren diagnostische Sensitivität im Laufe der Zeit verringert. Häufige formale Untersuchungen zu planen ist weder realistisch noch skalierbar.
Sprache umgeht viele dieser Probleme. Sie ist ein Verhalten, das Menschen ständig, mühelos und im Verlauf des Alltags produzieren. Sie kann wiederholt, unauffällig und in großem Maßstab aufgezeichnet und analysiert werden. Zudem erfasst sie etwas, das zeitgesteuerte Labortests möglicherweise nicht abbilden: wie Kognition unter realen Bedingungen funktioniert, ohne den künstlichen Druck einer formalen Testsituation.
Dr. Jed Meltzer, Senior Scientist am Rotman Research Institute von Baycrest und leitender Autor der Studie, beschrieb den Kernbefund direkt: Sprachtiming ist mehr als eine Frage des persönlichen Stils. Es ist ein sensibler Indikator für die Gehirngesundheit. Die Studie trägt den Titel „Natural Speech Analysis Can Reveal Individual Differences in Executive Function Across the Adult Lifespan”.
Das Team ist der Überzeugung, dass dieser Ansatz künftig Personen identifizieren könnte, deren kognitiver Abbau schneller voranschreitet als erwartet – und so diejenigen markiert, die möglicherweise ein erhöhtes Risiko haben, an Demenz zu erkranken, bevor offensichtlichere Symptome auftreten. Dr. Meltzer betonte, dass eine frühzeitige Erkennung für jede Intervention entscheidend sei, da Demenz mit einer fortschreitenden Degeneration des Gehirns einhergeht, die möglicherweise verlangsamt werden kann, wenn sie früh genug angegangen wird.
Was das über das Labor hinaus bedeutet
Die weiterreichende Bedeutung dieser Forschung ist nicht nur medizinischer Natur. Sie deutet auf einen Wandel hin, wie Gesundheitsmonitoring in der Praxis funktionieren könnte.
Aktuelle Modelle der kognitiven Gesundheitsbeurteilung sind episodisch: Eine Person besucht eine Klinik, absolviert einen Test, erhält ein Ergebnis. Die Abstände zwischen diesen Besuchen sind lang, und in der Zwischenzeit kann sich vieles verändern. Ein sprachbasierter Ansatz, unterstützt durch KI, könnte das Monitoring kontinuierlich statt periodisch gestalten. Er könnte in klinischen Umgebungen oder, wie Dr. Meltzer vorschlug, zu Hause eingesetzt werden. Die dafür nötige Infrastruktur existiert bereits in den Geräten, die die meisten Menschen täglich bei sich tragen und nutzen.
Dies ist auch eine Fallstudie darin, was KI gut kann, wenn sie auf Gesundheitsdaten angewendet wird. Der Mehrwert liegt nicht darin, klinisches Urteilsvermögen zu ersetzen. Er liegt darin, das Volumen und die Kleinteiligkeit von Daten zu bewältigen, die menschliche Beobachtung nicht in großem Maßstab verarbeiten kann. Hunderte subtiler Sprachmerkmale, gemessen über viele Aufnahmen hinweg und über die Zeit: Das ist genau die Art von Mustererkennung, bei der KI das ergänzt, was Kliniker und Forschende leisten können – und Expertenwissen für Interpretation und Entscheidungsfindung freisetzt, anstatt es für die bloße Rohdatenerfassung zu binden.
Die Forschenden räumten ein, dass weitere Langzeitstudien erforderlich sind. Veränderungen in der Sprache über die Zeit zu verfolgen und normales Altern von frühen Krankheitssignalen zu unterscheiden erfordert Längsschnittdaten, die diese Studie noch nicht lieferte. Sie wiesen auch darauf hin, dass die Kombination von Sprachanalyse mit anderen Gesundheitsmaßnahmen die Genauigkeit und Zugänglichkeit der Früherkennung verbessern könnte. Die Forschung wurde durch das Mitacs Accelerate-Programm und den Natural Sciences and Engineering Research Council of Canada gefördert.
Kurz zusammengefasst
KI analysierte Hunderte subtiler Merkmale in der natürlichen Sprache von Menschen – darunter Pausen, Füllwörter und Timing-Muster – und stellte fest, dass diese konsistent die Leistung bei kognitiven Tests zur Messung der Exekutivfunktion vorhersagten. Die Forschung von Baycrest, der University of Toronto und der York University legt nahe, dass Sprache zu einem praktischen, skalierbaren und unauffälligen Instrument zur Verfolgung der kognitiven Gesundheit über die Zeit werden könnte – und möglicherweise frühe Anzeichen von Demenz erkennt, bevor standardisierte klinische Tests sie erfassen würden. Die Technologie ersetzt keine klinische Expertise. Sie macht ein Signal, das stets vorhanden war, endlich messbar.
Basierend auf Berichten von ScienceDaily AI.