.png){kind=icon}
返回
Interpretable depression assessment using a large language model
.png){kind=icon}
PRE
AI
DOI：10.1371/journal.pdig.0001205.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
使用大型语言模型（LLMs）从对话文本中检测抑郁症已引起广泛关注。然而，现有方法的可解释性有限，对临床应用构成重大挑战。为解决此问题，我们提出了一种自动抑郁症评估的新框架，该框架采用LLM提示从文本中提取与抑郁症相关的可解释因素，并使用线性回归预测严重程度评分。我们使用基准数据集（DAIC-WOZ；n = 186）评估了该方法，从临床访谈记录中预测患者健康问卷（PHQ）-8评分。我们的方法识别了关键的行为和语言特征，这些特征表明存在抑郁症，同时也在测试集上实现了最先进的性能，平均绝对误差（MAE）为2.91。所得模型进一步推广到独立测试数据集（E-DAIC；n = 86），MAE为2.86。这些发现表明，可解释的LLM方法在增强自动化抑郁症评估的临床应用方面具有显著前景。
Keyword:
SYMPTOMS