大規模な言語モデルを用いたうつ病のスクリーニングのための文完成テストの有効性

科学分野:

• 精神 的 な 健康
• 人工知能
• サイコメトリクス

背景:

• 鬱病の症状は 世界的な精神衛生上の問題であり タイには大きな影響を与えている.
• 伝統的なうつ病のスクリーニング方法は 主観的で 偏りやすいものです
• 大規模な言語モデル (LLM) は,精神衛生の評価を近代化する可能性を秘めています.

研究 の 目的:

• 鬱病の検出のための新しい文完了テストの有効性を評価するために,LLMを使用します.
• 鬱病の診断における 客観性を高め 偏見を減らすために
• 鬱病のリスクと関連した重要な生活領域 (家族,社会,健康,自己認識) を特定する.

主な方法:

• 新しいうつ病句の完成テストが開発され,373人の参加者 (20〜40歳) に投与された.
• 4つのLLM (LLAMA 3.1-8B,Gemma2-9B,Qwen2-7B,台風1.5-7B) が分析に使用された.
• ランダムフォレストと意思決定ツリー分類器は,うつ病のリスクを分類するために使用されました.

主要な成果:

• 健康 (0. 48),自己概念 (0. 49),およびDIFF (0. 54) は,感情レベルと強い正の相関関係を示し,重要なうつ病リスク指標を示した.
• 家族 (0.27) と社会 (0.19) も正の相関を示したが,より弱かった.
• モデルは0.78の下限精度 (p ≤ .05) で信頼性を示し,LLAMA3.1とGemma2は最高感度を示した.

結論:

• LLMは文の完成テストを通して 鬱病のリスクを客観的に評価する見込みがある.
• 健康と自己認識は 鬱病のリスクを特定する上で 重要な要素です
• 将来の研究は,倫理的考察,多様な集団,データ更新により,精度や一般化が向上するように焦点を当てるべきです.