大規模言語モデルを用いた外来メンタルヘルスにおける自動安全計画スコアリング：探索的研究
Hayoung K Donnelly1,2, Gregory K Brown1, Kelly L Green1
1Department of Psychiatry, University of Pennsylvania, Philadelphia, PA, United States.
JMIR mental health
|January 8, 2026
まとめ
大規模言語モデル（LLM）を用いた自動ツールは、自殺予防安全計画の品質を評価できます。LLaMA 3とo3-miniは、これらの重要なメンタルヘルス計画の評価においてGPT-4よりも優れたパフォーマンスを示しました。
科学分野:
- メンタルヘルスにおける人工知能
- 自然言語処理アプリケーション
- 臨床心理学研究
背景:
- 安全計画介入（SPI）は、患者の自殺リスクを軽減するための書面による計画を生み出す、重要な自殺予防ツールです。
- より質の高い安全計画（完全で、個人的で、具体的なもの）は、自殺リスクを軽減する上でより効果的です。
- SPIの品質を評価するための現在の方法は労働集約的であり、臨床医のフィードバックを制限しています。
主な方法:
- ニューヨークの外来メンタルヘルス設定から得られた266件の匿名化された安全計画を利用しました。
- LLMは、警告サイン、内部対処戦略、環境の安全性、生きる理由の4つの重要なコンポーネントを分析しました。
- LLM全体での予測パフォーマンスを比較し、スコアリングシステム、プロンプト、パラメータを最適化しました。
結論:
- 大規模言語モデルは、安全計画の品質に関する適時かつ正確なフィードバックを臨床医に提供する上で大きな可能性を示しています。
- 自動フィードバックは、地域メンタルヘルス実践における安全計画介入の実施と有効性を高めることができます。
