从语言分析到大型语言模型:对用于研究抑郁症研究中的语言特征的方法进行范围审查

科学领域:

• 精神病学和计算语言学
• 心理健康技术评估 心理健康技术评估

背景情况:

• 心理健康状况,特别是抑郁症,往往通过语言模式表现出来.
• 临床医生传统上使用沟通来评估心理状态,强调语言在诊断中的作用.

研究的目的:

• 审查和语境化语言特征如何被概念化,识别和分析抑郁症诊断和评估.
• 绘制使用语言来检测抑郁症的方法演变的地图.

主要方法:

• 一个对27,967个记录的范围审查,包括180项研究.
• 用于将语言特征与抑郁症联系起来的方法分析,按研究时期 (1979-2004,2004-2015,2015-2024) 分类.

主要成果:

• 在将语言特征与抑郁症联系起来的方法中存在显著的异质性.
• 方法从传统分析演变为基于词典的工具 (LIWC),最近发展为自然语言处理 (NLP) 和大型语言模型 (LLM).
• 新兴使用生成AI (例如,GPT) 指出;然而,大多数研究使用英语,缺乏人口统计报告,并依赖于自我报告尺度.

结论:

• 有一种方法转向使用先进的计算语言分析进行抑郁症预测建模的方法转变.
• 需要强大的模型,以平衡计算能力和临床解释性,以获得可操作的见解.
• 提高样本表征,方法一致性和在不同人群/语言中进行研究对于可靠的抑郁症语言标志物至关重要.