Künstliche Intelligenz reagiert auf Herzsignale in Echtzeit

Künstliche Intelligenz (KI) kann künftig nicht nur Texteingaben, sondern auch physiologische Signale verarbeiten. Dies zeigen Dr. Morris Gellisch, ehemals an der Ruhr-Universität Bochum und heute an der Universität Zürich, sowie Boris Burr von der Ruhr-Universität Bochum.

Die Forschenden entwickelten eine technische Schnittstelle, über die Herzfrequenzdaten in Echtzeit an ein Large Language Model (LLM) übertragen werden. Damit kann die KI nicht nur gesprochene oder geschriebene Sprache, sondern auch körperliche Reaktionen interpretieren, ein Ansatz mit großem Potenzial für Anwendungen in der Medizin und Pflege.

Für das Experiment kam ein handelsübliches Gerät zur Messung der Herzratenvariabilität über einen Brustgurt zum Einsatz. Die Daten wurden dekodiert, gefiltert und verdichtet, bevor sie an das Sprachmodell GPT-4 übermittelt wurden. Das Modell erstellte daraufhin automatisch eine Tabelle mit Durchschnittswerten, Minimum, Maximum und weiteren Kennzahlen.

„Die Auswertung und Visualisierung erfolgten direkt in der LLM-Umgebung – ohne externe Statistik- oder Plot-Software“, betont Boris Burr. Die KI konnte zudem auf Wunsch eine grafische Darstellung der Herzdaten generieren.

In weiteren Tests reagierte die KI in Echtzeit auf unterschiedliche kognitive Anforderungen. Das System konnte Unterschiede in den Herzfrequenz-Mustern zwischen Aufgaben mit niedriger und hoher kognitiver Anforderung erkennen und darauf in der KI-Ausgabe reagieren. Morris Gellisch ergänzt: „Es handelt sich bei unserem Experiment nicht um eine validierte psychophysiologische Studie, sondern um ein Proof-of-Concept-Szenario.“ Ziel sei es gewesen, zu zeigen, dass ein Sprachmodell physiologische Parameter unmittelbar verarbeiten kann.

„Die Integration physiologischer Signale in KI bietet einen klaren Mehrwert“, so die Forschenden. Durch die Kombination von Sprache und Körperdaten könnten Systeme künftig sensibler auf Stress, Überlastung oder emotionale Dysregulation reagieren. Dies sei besonders relevant für Ärztinnen und Ärzte, Pflegekräfte, Therapeutinnen und Therapeuten, die mit Patientinnen und Patienten interagieren.

Auch in Lern- und Trainingssituationen könnten adaptive Systeme helfen, kognitive Belastung zu erkennen und Reaktionen individuell anzupassen. Die Schnittstelle eröffnet somit neue Möglichkeiten für Forschung, Lehre und Anwendungen im Gesundheitswesen.

MEDICA.de; Quelle: Ruhr-Universität Bochum