Detección de TEPT en Entrevistas Clínicas: Un Análisis Comparativo de Métodos NLP y Modelos de Lenguaje Grandes

Área de la Ciencia:

• Lingüística Computacional
• Psicología Clínica
• Inteligencia Artificial

Sus antecedentes:

• El Trastorno de Estrés Postraumático (TEPT) se detecta con poca frecuencia en entornos clínicos.
• Los métodos de detección automatizada ofrecen una solución potencial para identificar a personas en riesgo.
• Las transcripciones de entrevistas clínicas son una fuente rica de datos para la evaluación del TEPT.

Objetivo del estudio:

• Evaluar varios enfoques de procesamiento del lenguaje natural (PLN) para la clasificación binaria de TEPT.
• Comparar métodos basados en incrustaciones, modelos transformadores y estrategias de prompting de modelos de lenguaje grandes (LLM).
• Evaluar el rendimiento de estos métodos en el conjunto de datos DAIC-WOZ.

Principales métodos:

• Se utilizó el conjunto de datos DAIC-WOZ que contiene entrevistas semiestructuradas y evaluaciones psicológicas.
• Se compararon las incrustaciones de SentenceBERT/LLaMA con regresión logística.
• Se evaluaron modelos transformadores generales (BERT/RoBERTa) y específicos de salud mental.
• Se evaluaron estrategias de prompting de LLM que incluyen zero-shot, few-shot y chain-of-thought.

Principales resultados:

• Las incrustaciones de SentenceBERT con regresión logística lograron el mayor rendimiento (AUPRC=0,758±0,128).
• Este método superó a los modelos específicos del dominio como Mental-RoBERTa (AUPRC=0,675±0,084).
• El prompting de LLM de pocos ejemplos también mostró resultados competitivos (AUPRC=0,737).
• El rendimiento fue mayor en casos de TEPT severo y en aquellos con depresión comórbida.

Conclusiones:

• Los métodos de PNL basados en incrustaciones demuestran un potencial significativo para el cribado escalable de TEPT.
• Los LLM ofrecen un enfoque viable para la detección automatizada de TEPT en entornos clínicos.
• Se necesita más investigación para mejorar la detección de presentaciones de TEPT matizadas y comorbilidades.