使用BERT-BiLSTM和微调GPT-2情绪分类分析睡眠行为:比较研究
Yihan Deng1,2, Julia van der Meer3, Athina Tzovara1,4
1Institute of Computer Science, University of Bern, Neubrückstrasse 10, Bern, Switzerland, +41 316848426.
JMIR medical informatics
|November 10, 2025
概括
患者报告的嗜睡和客观措施之间存在差异. 使用情感分析分析的临床叙述比标准化测试更好地捕捉这些差异,有助于诊断.
科学领域:
- 计算语言学计算语言学
- 临床信息学是一种临床信息学.
- 睡眠的药物 睡眠的药物
背景情况:
- 睡眠障碍的诊断是复杂的,经常显示客观临床数据和主观患者经验之间的差距.
- 个人对睡眠质量和延迟的看法可能会有很大的不同.
研究的目的:
- 在睡眠障碍评估中调查主观患者体验与客观测量之间的对齐.
- 探索临床叙述如何可以提供对睡眠感知的见解.
主要方法:
- 开发了一种基于方面的情感分析方法,使用大型语言模型 (Falcon 40B,Mixtral 8X7B) 来分析临床叙述.
- 使用BERT-BiLSTM (78%准确率) 和GPT-2 (87%准确率) 确定了睡眠行为方面 (白天的嗜睡,睡眠质量,疲劳) 并分配了情绪评分 (0-1).
主要成果:
- 在100名患者中,大约有15%的患者在主观 (卡罗林斯卡睡眠度量表) 和客观 (多重睡眠延迟测试) 日间睡眠评估之间存在差异.
- 对临床叙述的情感分析显示,睡眠感知在统计学上有显著差异 (P=.047),表现优于标准化措施.
- 叙事自由文本分析强调了主观来源在评估疲劳和嗜睡时的重要性.
结论:
- 开发的情感分析方法可以揭示患者自我认知与临床评估的关键见解.
- 这种方法有助于临床医生识别可能需要客观验证自我报告的睡眠症状的患者.
- 整合叙事自由文本分析可以提高对睡眠障碍的全面评估.
