論文の概要: GDPR Compliant Collection of Therapist-Patient-Dialogues
- arxiv url: http://arxiv.org/abs/2211.12360v1
- Date: Tue, 22 Nov 2022 15:51:10 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-23 17:34:22.899986
- Title: GDPR Compliant Collection of Therapist-Patient-Dialogues
- Title(参考訳): GDPRによるセラピスト・パティエント・ダイアログの収集
- Authors: Tobias Mayer, Neha Warikoo, Oliver Grimm, Andreas Reif, Iryna Gurevych
- Abstract要約: 我々は、欧州連合の一般データプライバシ規則の下で、精神医学クリニックでセラピストと患者との対話の収集を始める際に直面した課題について詳しく述べる。
本稿では、手順の各ステップの概要を述べ、この分野でのさらなる研究を動機付ける潜在的な落とし穴を指摘した。
- 参考スコア(独自算出の注目度): 48.091760741427656
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: According to the Global Burden of Disease list provided by the World Health
Organization (WHO), mental disorders are among the most debilitating
disorders.To improve the diagnosis and the therapy effectiveness in recent
years, researchers have tried to identify individual biomarkers. Gathering
neurobiological data however, is costly and time-consuming. Another potential
source of information, which is already part of the clinical routine, are
therapist-patient dialogues. While there are some pioneering works
investigating the role of language as predictors for various therapeutic
parameters, for example patient-therapist alliance, there are no large-scale
studies. A major obstacle to conduct these studies is the availability of
sizeable datasets, which are needed to train machine learning models. While
these conversations are part of the daily routine of clinicians, gathering them
is usually hindered by various ethical (purpose of data usage), legal (data
privacy) and technical (data formatting) limitations. Some of these limitations
are particular to the domain of therapy dialogues, like the increased
difficulty in anonymisation, or the transcription of the recordings. In this
paper, we elaborate on the challenges we faced in starting our collection of
therapist-patient dialogues in a psychiatry clinic under the General Data
Privacy Regulation of the European Union with the goal to use the data for
Natural Language Processing (NLP) research. We give an overview of each step in
our procedure and point out the potential pitfalls to motivate further research
in this field.
- Abstract(参考訳): 世界保健機関(WHO)のGlobal Burden of Disease Listによると、精神疾患は最も不安定な疾患の1つであり、近年の診断と治療効果を改善するために、研究者は個々のバイオマーカーを同定しようと試みている。
しかし、神経生物学データの収集は費用と時間を要する。
もう1つの潜在的な情報源は、すでに臨床ルーチンの一部であり、セラピスト-患者対話である。
様々な治療パラメーターの予測因子としての言語の役割を研究する先駆的な研究はいくつかあるが、例えば患者セラピスト同盟は大規模な研究はない。
これらの研究を行う上での大きな障害は、機械学習モデルをトレーニングするために必要な、大きなデータセットの可用性である。
これらの会話は臨床医の日常的な日常の一部だが、収集には様々な倫理的(データの使用目的)、法的(データプライバシ)、技術的(データフォーマッティング)の制限が伴う。
これらの制限のいくつかは、匿名化の難しさの増加や記録の転写など、治療対話の領域に特有である。
本稿では,欧州連合(eu)の一般データプライバシ規則に基づく精神科診療所におけるセラピスト-患者対話の収集に直面する課題について,自然言語処理(nlp)研究のためのデータの利用を目標として詳述する。
本稿では、手順の各ステップの概要を述べ、この分野でさらなる研究を動機付ける潜在的な落とし穴を指摘した。
関連論文リスト
- Detecting the Clinical Features of Difficult-to-Treat Depression using
Synthetic Data from Large Language Models [0.20971479389679337]
我々は,日常的に収集された物語(自由テキスト)電子健康記録データを問うことができるLarge Language Model(LLM)ベースのツールの開発を目指している。
LLM生成合成データ(GPT3.5)と非最大抑圧(NMS)アルゴリズムを用いてBERTに基づくスパン抽出モデルを訓練する。
以上の結果から,20因子のセットによる臨床データによる総合成績 (0.70 F1) と重要なDTDのサブセットにおける高いパフォーマンス (0.85 F1 と 0.95 の精度) が得られた。
論文 参考訳(メタデータ) (2024-02-12T13:34:33Z) - From Classification to Clinical Insights: Towards Analyzing and Reasoning About Mobile and Behavioral Health Data With Large Language Models [21.427976533706737]
我々は,多センサデータから臨床的に有用な知見を合成するために,大規模言語モデルを活用する新しいアプローチを採っている。
うつ病や不安などの症状とデータの傾向がどのように関連しているかを,LSMを用いて推論する思考促進手法の連鎖を構築した。
GPT-4のようなモデルでは数値データの75%を正確に参照しており、臨床参加者は、この手法を用いて自己追跡データを解釈することへの強い関心を表明している。
論文 参考訳(メタデータ) (2023-11-21T23:53:27Z) - Incomplete Multimodal Learning for Complex Brain Disorders Prediction [65.95783479249745]
本稿では,変換器と生成対向ネットワークを用いた不完全なマルチモーダルデータ統合手法を提案する。
アルツハイマー病神経画像イニシアチブコホートを用いたマルチモーダルイメージングによる認知変性と疾患予後の予測に本手法を適用した。
論文 参考訳(メタデータ) (2023-05-25T16:29:16Z) - Deep Annotation of Therapeutic Working Alliance in Psychotherapy [27.80555922579736]
治療ワーキングアライアンス(英語版)は、精神療法治療の結果の重要な予測因子である。
本研究では,心理療法セッションにおいて,自然言語から直接治療作業同盟を推定する分析的枠組みを提案する。
論文 参考訳(メタデータ) (2022-04-12T04:42:51Z) - Intelligent Sight and Sound: A Chronic Cancer Pain Dataset [74.77784420691937]
本稿では,Intelligent Sight and Sound (ISS) 臨床試験の一環として収集された,最初の慢性ガン痛データセットを紹介する。
これまで収集されたデータは29の患者、509のスマートフォンビデオ、189,999のフレーム、そして自己報告された感情と活動の痛みのスコアから成っている。
静的画像とマルチモーダルデータを用いて、自己報告された痛みレベルを予測する。
論文 参考訳(メタデータ) (2022-04-07T22:14:37Z) - Adherence Forecasting for Guided Internet-Delivered Cognitive Behavioral
Therapy: A Minimally Data-Sensitive Approach [59.535699822923]
インターネット提供型心理的治療(IDPT)は、メンタルヘルスのアクセシビリティを向上させるための効果的でスケーラブルな経路であると考えられている。
本研究は,最小限の敏感なログイン/ログアウトデータに依存しながら,自動アドバンス予測を行うディープラーニングアプローチを提案する。
提案されたセルフアテンションネットワークは、治療期間の1/3が経過した時点で、平均的バランスの正確さを70%以上達成した。
論文 参考訳(メタデータ) (2022-01-11T13:55:57Z) - A Scoping Review of Publicly Available Language Tasks in Clinical
Natural Language Processing [7.966218734325912]
バイオメディカルリサーチとコンピュータサイエンス文献データベースを含む6つのデータベースを検索した。
47のNLPタスクを有する35の論文が2007年から2021年の間に包括的基準を満たした。
論文 参考訳(メタデータ) (2021-12-07T22:49:58Z) - Machine Learning Applications for Therapeutic Tasks with Genomics Data [49.98249191161107]
ゲノム学の機械学習応用に関する文献を、治療開発のレンズでレビューします。
治療パイプライン全体にわたるゲノミクス応用における22の機械学習を同定する。
この分野における7つの重要な課題を、拡大と影響の機会として挙げる。
論文 参考訳(メタデータ) (2021-05-03T21:20:20Z) - Artificial Intelligence, speech and language processing approaches to
monitoring Alzheimer's Disease: a systematic review [5.635607414700482]
本稿では,アルツハイマー病の認知機能低下を予測するための人工知能,音声,言語処理の利用に関する現在の知見を要約する。
筆者らは2000年から2019年にかけて, PROSPEROに登録されたオリジナルの研究の体系的レビューを行った。
論文 参考訳(メタデータ) (2020-10-12T21:43:04Z) - MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。
我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。
我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
論文 参考訳(メタデータ) (2020-10-08T15:30:17Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。