Kwantiseren van verbetering van psychotische symptomen bij clozapine-behandelde schizofrenie: analyse van klinische aantekeningen met grote taalmodellen

Waarom alledaagse spraak verborgen veranderingen kan onthullen

Wanneer mensen met schizofrenie over hun dag praten, kan hun woordkeus stilletjes weerspiegelen hoe goed hun behandeling werkt. In drukke ziekenhuizen hebben artsen echter zelden tijd om jaren aan klinische aantekeningen door te nemen om na te gaan of iemands spraak duidelijker, rustiger of hoopvoller wordt. Deze studie laat zien hoe moderne kunstmatige-intelligentietools, grote taalmodellen genoemd, die aantekeningen voor ons kunnen lezen en subtiele signalen kunnen oppikken dat symptomen verbeteren tijdens behandeling met het geneesmiddel clozapine.

Routine-aantekeningen omzetten in bruikbare signalen

De onderzoekers concentreerden zich op een groep van 30 mensen met ernstige, therapieresistente schizofrenie die clozapine begonnen, een medicijn dat wordt gereserveerd voor gevallen waarin andere middelen hebben gefaald. In Japan vereist het starten met clozapine een ziekenhuisopname en zorgvuldige monitoring, wat een rijke stroom aan elektronische medische dossiers oplevert. Uit deze dossiers haalde het team alleen de gedeelten waarin psychiaters hadden opgeschreven wat patiënten zeiden, zoals begroetingen, klachten over slaap of meldingen van het horen van stemmen. Ze kwamen uit op meer dan 22.000 zinnen uit meer dan 5.000 aantekeningen, die de maand vóór clozapine en drie even lange fasen tijdens ziekenhuisbehandeling besloegen.

De AI vragen psychiatrische symptomen te scoren

Om ruwe tekst in symptoombeoordelingen om te zetten, gebruikte het team drie krachtige taalmodellen. Ze gaven elk model gedetailleerde instructies om zich als een ervaren psycholoog te gedragen en elke aantekening te scoren volgens een standaardlijst die in de psychiatrie wordt gebruikt, de Brief Psychiatric Rating Scale. In plaats van te vertrouwen op lichaamstaal of stemintonatie beoordeelden de modellen alleen wat patiënten zeiden en scoorden kenmerken zoals angst, conceptuele desorganisatie, ongebruikelijke overtuigingen, hallucinaties, achterdocht en depressieve stemming. De modellen waren het erover eens dat meerdere belangrijke symptomen tijdens clozapinebehandeling afnamen: angst, conceptuele desorganisatie, achterdocht, ongebruikelijke gedachten, hallucinatie-achtige uitspraken en sombere stemming namen in de loop van de tijd af. Lichamelijke zorgen over het lichaam stegen aanvankelijk—waarschijnlijk een weerspiegeling van vroege bijwerkingen zoals vermoeidheid of slaperigheid—en namen vervolgens geleidelijk af.

Hoe de woordkeus verschuif tijdens de behandeling

Het team paste ook meer traditionele taalanalysemethoden toe om beter te begrijpen wat de modellen oppikten. Ze telden verschillende woordsoorten, zoals zelfstandige naamwoorden, werkwoorden, bijwoorden en bijvoeglijke naamwoorden, in elke zin. In de loop van de tijd gebruikten patiënten meer bijvoeglijke naamwoorden, vooral woorden die gevoelens en lichamelijke toestanden beschrijven zoals "goed", "prettig", "moe", "slaperig", "vreselijk" en "enge". Tegelijkertijd nam het gebruik van het woord "nee" af. Bij het bekijken van korte tweewoordcombinaties zagen de onderzoekers dat "nee" vaak voorkwam in zinsneden als "geen verandering" of "niets bijzonders", het soort vlakke antwoorden dat patiënten geven wanneer ze zich losgekoppeld of ongemotiveerd voelen. Minder van zulke uitdrukkingen in de loop van de tijd suggereerde dat patiënten zich meer betrokken toonden bij hun artsen in plaats van gesprekken af te kappen.

De emotionele toon meten in de woorden zelf

Om dieper in de emotie te graven, gebruikten de onderzoekers een hulpmiddel genaamd Linguistic Inquiry and Word Count, dat controleert hoe vaak mensen woorden gebruiken die met positieve of negatieve gevoelens zijn verbonden. Ze vonden dat positieve emotionele woorden in de latere fase van de behandeling vaker voorkwamen, terwijl negatieve emotionele woorden weinig veranderden. Wanneer ze deze patronen vergeleken met de scores die door de taalmodellen waren geproduceerd, bleek dat beide benaderingen gerelateerd maar niet identiek waren. De modellen waren vooral goed in het vastleggen van brede verschuivingen in angst en stemming, terwijl de woordenboekgebaseerde tellingen de toename van expliciet positieve uitdrukkingen benadrukten. Samen schetsten ze het beeld van patiënten van wie de spraak emotioneler rijker werd en minder door leed werd gedomineerd naarmate de behandeling vorderde.

Wat dit betekent voor toekomstige zorg

Voor niet-specialisten is de belangrijkste boodschap eenvoudig: door zorgvuldig te luisteren naar hoe patiënten praten—aan de hand van de klinische aantekeningen die al in hun dossiers staan—kunnen AI-systemen betekenisvolle verbeteringen in psychotische symptomen en emotioneel leven tijdens behandeling detecteren. De studie suggereert dat, zelfs wanneer aantekeningen kort en imperfect zijn, grote taalmodellen clinici kunnen ondersteunen door trends bij te houden die anders mogelijk over het hoofd worden gezien, zoals duidelijker denken, minder opmerkingen gerelateerd aan hallucinaties en meer positieve, betrokken gesprekken. Hoewel deze tools het menselijk oordeel niet zullen vervangen, zouden ze op den duur laagdrempelige, achter-de-schermen monitoring kunnen bieden die artsen helpt zorg te personaliseren, problemen eerder te signaleren en te begrijpen hoe het innerlijk leven van patiënten in de loop van de tijd verandert.

Bronvermelding: Matsumura, M., Nishida, K., Toyoda, K. et al. Quantifying improvement of psychotic symptoms in clozapine-treated schizophrenia: clinical note analysis with large language models. Sci Rep 16, 8835 (2026). https://doi.org/10.1038/s41598-026-39676-0

Trefwoorden: schizofrenie, clozapine, klinische aantekeningen, grote taalmodellen, psychosesymptomen