In hun eigen woorden: casestudies van taal op smartphones van adolescenten voorafgaand aan suïcidegerelateerde ziekenhuisopnames

Waarom de sms’jes van uw tiener misschien meer betekenen dan u denkt

Naarmate smartphones constante metgezellen worden, leggen ze stilletjes de alledaagse woorden, stemmingen en zorgen van jongeren vast. Deze studie stelt een urgente vraag: kan de taal die tieners op hun telefoons typen, in de weken en dagen vóór een mentale gezondheidscrisis, onthullen wanneer zij serieus gevaar lopen om een zelfmoordpoging te doen? Door echte sms‑patronen van hoogrisico‑adolescenten te onderzoeken, verkennen de onderzoekers of kunstmatige‑intelligentie‑instrumenten clinici kunnen helpen kortetermijnwaarschuwingen te signaleren — en waar die hulpmiddelen nog tekortschieten.

Vijf tieners gevolgd door een gevaarlijke maand

De studie richtte zich op vijf adolescenten die al als hoog risico voor suïcide werden beschouwd en die later een suïcidegerelateerde ziekenhuisopname kregen. Ongeveer zes maanden lang nam een app die stil op hun eigen telefoons draaide alles op wat ze op het toetsenbord typten — berichten, zoekopdrachten, notities — terwijl binnenkomende berichten van anderen werden weggelaten. Gemiddeld werden meer dan 21.000 uitgaande tekstinvoer per tiener verzameld en sterk gedesidentificeerd om de privacy te beschermen. De onderzoekers zoomden vervolgens in op de 30 dagen vóór elke ziekenhuisopname, en verdeelden deze periode in een 20‑daagse “basislijn”fase en een 10‑daagse “acute risicofase” direct vóór de opname.

Wat de woorden vóór de crisis onthulden

Met behulp van natuurlijke taalverwerking (NLP) zocht het team naar meerdere soorten signalen in de getypte teksten. Eén reeks tools speurde naar suïcidegerelateerde taal, met een op jongeren gerichte woordenlijst die niet alleen standaarduitdrukkingen maar ook straattaal en emoji’s herkende. Een ander instrument, gebaseerd op moderne AI‑modellen, schatte of berichten negatieve emotie uitdrukten. Een derde methode groepeerde berichten in brede thema’s, zoals school, behandeling, slaap, middelengebruik of dood. Bij vier van de vijf tieners namen zowel suïcidegerelateerde taal als negatieve emotie toe in de 10 dagen vóór de ziekenhuisopname, vergeleken met het eigen gemiddelde patroon van de tiener over de studieperiode. Suïcidegerelateerde taal schoot vaak scherp omhoog in de laatste vijf dagen, terwijl negatieve emotie geleidelijker steeg over de laatste 10 dagen.

Signalen van risico — en signalen van nood

De patronen waren veelbelovend maar gecompliceerd. Dezelfde waarschuwingssignalen — suïcidetaal en sombere toon — verschenen ook op andere momenten buiten het onmiddellijke crisisvenster. Dat suggereert dat deze signalen perioden van ernstige nood kunnen markeren, maar niet altijd momenten waarop een suïcidepoging op handen is. Toen clinici de tekstgeschiedenissen direct bekeken, zagen zij dat pieken in suïcidegerelateerde taal vaak samenvielen met suïcidale gedachten, daadwerkelijke pogingen of dringend hulpzoeken. Topics‑modellen pikten bruikbare thema’s op zoals middelengebruik en behandelgesprekken, die soms samen vielen met risicovolle momenten.

Wat computers missen maar mensen zien

De AI‑tools misten echter vaak kwesties die clinici als centrale triggers beschouwden, zoals ruzies met vrienden of familie, pesten, relationele conflicten of gevoelens van afwijzing. Deze situaties ontvouwden zich over veel korte berichten, en de modellen behandelden meestal elke invoer geïsoleerd, zonder het bredere verhaal te begrijpen. Daardoor schoten interpersoonlijke conflicten, veranderingen in hoe tieners over belangrijke gebeurtenissen dachten, of subtiele verschuivingen van het maken van grapjes over zelfmoord naar het uiten van oprechte wanhoop vaak langs de algoritmen heen. De onderzoekers betogen dat toekomstige systemen meer moeten doen dan losse berichten lezen: ze moeten gesprekken in de tijd verbinden en idealiter tekst combineren met andere passieve gegevens zoals slaappatronen of bewegingen om de nauwkeurigheid te verbeteren.

Vooruitkijken: veelbelovend, maar met belangrijke beperkingen

Dit werk toont aan dat taal op smartphones een rijke, weinig belastende inkijk kan bieden in wat adolescenten ervaren tussen kliniekbezoeken door. Geautomatiseerde methoden doen al een redelijke poging in het opsporen van voor de hand liggende rode vlaggen — directe suïcidale uitspraken en sterke negatieve emotie — vooral in de dagen vlak vóór een crisis. Maar ze zijn veel minder goed in het omvatten van de persoonlijke, sociale en situationele context die menselijke clinici gebruiken om risico te beoordelen. Voor families en zorgprofessionals luidt de boodschap tweevoudig: digitale taaldgegevens zouden op den duur kunnen helpen eerder, precies op het juiste moment, ondersteuning te bieden aan jongeren in gevaar, maar ze moeten met grote zorg worden ontwikkeld, met sterke privacybescherming en in samenwerking met clinici, niet als vervanging daarvan.

Bronvermelding: Treves, I.N., Bloom, P.A., Salem, S. et al. In their own words: case studies of adolescent smartphone language preceding suicide-related hospitalizations. NPP—Digit Psychiatry Neurosci 4, 5 (2026). https://doi.org/10.1038/s44277-026-00057-0

Trefwoorden: suïciderisico bij adolescenten, taal op smartphones, digitale fenotypering, natuurlijke taalverwerking, monitoring van geestelijke gezondheid