Detección interpretable de asociaciones sueltas basadas en LLM utilizando datos de habla sintética en la psicosis...

Área de la Ciencia:

• Lingüística computacional
• Diagnóstico psiquiátrico
• El aprendizaje automático en el cuidado de la salud

Sus antecedentes:

• Las asociaciones sueltas (LA) en el habla son indicadores significativos del riesgo de psicosis, particularmente en la esquizofrenia.
• Los métodos actuales para detectar LA están limitados por la subjetividad, el tamaño de las muestras y la escasa generalización.
• La detección objetiva y escalable de LA es crucial para la intervención temprana de la psicosis.

Objetivo del estudio:

• Desarrollar y validar un nuevo flujo de trabajo para la identificación objetiva de asociaciones sueltas (LA) utilizando grandes modelos de lenguaje (LLM) y aprendizaje automático.
• Mejorar la detección de AL mediante medidas lingüísticas semánticas y probabilísticas mejoradas.
• Crear un método reproducible para generar datos sintéticos para entrenar y evaluar modelos de detección de LA.

Principales métodos:

• Generación de datos de conversación sintéticos con el lenguaje de programación utilizando LLM, guiados por la teoría lingüística y la validación de expertos.
• Extracción de características lingüísticas, incluida la similitud de cláusulas y nuevas métricas de sorpresa para la coherencia semántica y los cambios léxicos.
• Entrenamiento de un modelo de máquina de aumento de gradiente de luz utilizando un conjunto parsimonioso de cuatro características clave.
• Evaluación del modelo en conjuntos de datos sintéticos e independientes del mundo real.

Principales resultados:

• El modelo entrenado logró una alta precisión (83,46% en datos sintéticos, 82,36% en datos independientes) y un AUC de 0,868.
• El modelo superó significativamente los modelos existentes basados solo en similitudes y los flujos de trabajo previos de detección de trastornos del pensamiento.
• SHapley Additive exPlanations confirmó la interpretabilidad del modelo, con la coherencia semántica y la sorpresa de las palabras identificadas como discriminadores clave.

Conclusiones:

• Las características lingüísticas derivadas del LLM permiten mejoras sustanciales en la detección objetiva y escalable de LA.
• El modelo desarrollado demuestra una alta precisión, una complejidad mínima y una mayor interpretabilidad, lo que respalda la aplicabilidad clínica.
• La investigación adicional que incorpora características léxicas y contextuales adicionales puede refinar la identificación de trastornos del pensamiento para la intervención temprana de la psicosis.