機械学習を用いた言語ベースのうつ病検出：系統的レビューとメタアナリシス

科学分野:

• 計算言語学
• 精神医学
• 人工知能

背景:

• うつ病の早期検出は、効果的な介入のために重要です。
• 自然言語処理（NLP）および機械学習（ML）は、テキストからの自動うつ病検出の可能性を示しています。
• うつ病検出のためのNLPおよびMLのパフォーマンスに関する既存の証拠は限られています。

研究 の 目的:

• 話し言葉または書き言葉からのうつ病検出のためのNLPおよびMLに関する研究を系統的にレビューおよびメタアナリシスすること。
• 自動うつ病検出方法のパフォーマンスを定量化すること。
• これらの方法のパフォーマンスに影響を与える要因を特定すること。

主な方法:

• 6つの電子データベースおよび追加の情報源から特定された研究の系統的レビューおよびメタアナリシス。
• 123の適格な記事からのデータの定量的合成、各データセットからの代表的な結果。
• 40,983のテキストサンプルを含む43の研究からの精度、適合率、再現率、AUC、およびバランスの取れた精度のプール分析。

主要な成果:

• プールされた精度は0.80、プールされた適合率は0.78、再現率は0.76でした。サブグループ分析により、言語、テキストソース、特徴タイプ、分類子によって有意なばらつきが明らかになりました。メタ回帰では、テキストソースが唯一の有意な予測因子であり、分散の13.6％を説明しました。

結論:

• テキストからの自動うつ病検出は有望なパフォーマンスを示しますが、かなりの異質性を示します。
• 調査結果は、テキストベースのうつ病検出の可能性と限界の両方を強調しています。
• 広範な臨床導入の前に、方法論の標準化と検証が不可欠です。