論文の概要: Privacy Aware Question-Answering System for Online Mental Health Risk
Assessment
- arxiv url: http://arxiv.org/abs/2306.05652v1
- Date: Fri, 9 Jun 2023 03:37:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-12 14:59:03.302857
- Title: Privacy Aware Question-Answering System for Online Mental Health Risk
Assessment
- Title(参考訳): オンラインメンタルヘルスリスク評価のためのプライバシーを意識した質問応答システム
- Authors: Prateek Chhikara, Ujjwal Pasupulety, John Marshall, Dhiraj Chaurasia,
Shweta Kumari
- Abstract要約: ソーシャルメディアプラットフォームにより、精神疾患に苦しむ個人は、生きた経験を共有し、対処するために必要なオンラインサポートを見つけることができる。
本研究では,2つの大規模メンタルヘルスデータセット上での統一QAモデルを用いて,メンタルヘルスリスクを評価するための質問応答(QA)アプローチを提案する。
本研究は,QA課題としてのリスクアセスメントのモデル化の有効性を実証するものである。
- 参考スコア(独自算出の注目度): 0.45935798913942893
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Social media platforms have enabled individuals suffering from mental
illnesses to share their lived experiences and find the online support
necessary to cope. However, many users fail to receive genuine clinical
support, thus exacerbating their symptoms. Screening users based on what they
post online can aid providers in administering targeted healthcare and minimize
false positives. Pre-trained Language Models (LMs) can assess users' social
media data and classify them in terms of their mental health risk. We propose a
Question-Answering (QA) approach to assess mental health risk using the
Unified-QA model on two large mental health datasets. To protect user data, we
extend Unified-QA by anonymizing the model training process using differential
privacy. Our results demonstrate the effectiveness of modeling risk assessment
as a QA task, specifically for mental health use cases. Furthermore, the
model's performance decreases by less than 1% with the inclusion of
differential privacy. The proposed system's performance is indicative of a
promising research direction that will lead to the development of privacy-aware
diagnostic systems.
- Abstract(参考訳): ソーシャルメディアプラットフォームは、精神疾患に苦しむ個人が生活経験を共有し、対処に必要なオンラインサポートを見つけることを可能にした。
しかし、多くのユーザーは真の臨床サポートを受けられないため、症状が悪化する。
オンライン投稿に基づいてユーザーをスクリーニングすることは、プロバイダーがターゲット医療を管理し、偽陽性を最小化するのに役立ちます。
事前訓練された言語モデル(lms)は、ユーザのソーシャルメディアデータを評価し、メンタルヘルスリスクの観点から分類することができる。
本研究では,2つの大規模メンタルヘルスデータセット上での統一QAモデルを用いて,メンタルヘルスリスクを評価するための質問応答(QA)アプローチを提案する。
ユーザデータを保護するため,差分プライバシーを用いたモデルトレーニングプロセスの匿名化によりUnified-QAを拡張した。
本研究は,QA課題としてのリスクアセスメントのモデル化の有効性を実証するものである。
さらに、差分プライバシーを含むことにより、モデルの性能は1%未満に低下する。
提案システムの性能は,プライバシーに配慮した診断システムの開発につながる有望な研究方向を示すものである。
関連論文リスト
- Explainable Depression Symptom Detection in Social Media [2.433983268807517]
本稿では, トランスフォーマーアーキテクチャを用いて, ユーザの文章中の抑うつ症状マーカーの出現を検知し, 説明する。
我々の自然言語による説明により、臨床医はバリデーションされた症状に基づいてモデルの判断を解釈できる。
論文 参考訳(メタデータ) (2023-10-20T17:05:27Z) - An Annotated Dataset for Explainable Interpersonal Risk Factors of
Mental Disturbance in Social Media Posts [0.0]
ソーシャルメディア上での精神障害に影響を及ぼす人為的リスクファクター(IRF)の分類と説明を伴う注釈付きデータセットの構築とリリースを行う。
我々は,TBeとPBuのパターンをユーザの歴史的ソーシャルメディアプロファイルの感情スペクトルで検出することにより,将来的な研究方向のベースラインモデルを構築し,リアルタイムなパーソナライズされたAIモデルを開発する。
論文 参考訳(メタデータ) (2023-05-30T04:08:40Z) - Semantic Similarity Models for Depression Severity Estimation [53.72188878602294]
本稿では、ソーシャルメディアの文章に基づいて、個人のうつ病の重症度を研究するための効率的なセマンティックパイプラインを提案する。
我々は,抑うつ症状と重度レベルに対応する代表訓練文の指標に対して意味的ランキングを生成するために,テストユーザ文を使用する。
本手法を2つのRedditベースのベンチマークで評価し,うつ病の重症度を指標として,最先端技術よりも30%改善した。
論文 参考訳(メタデータ) (2022-11-14T18:47:26Z) - On Curating Responsible and Representative Healthcare Video
Recommendations for Patient Education and Health Literacy: An Augmented
Intelligence Approach [5.545277272908999]
アメリカの成人の3人に1人がインターネットを使って健康上の懸念を診断し、学んでいる。
健康リテラシーの分割はアルゴリズムの推薦によって悪化する可能性がある。
論文 参考訳(メタデータ) (2022-07-13T01:54:59Z) - On the Privacy of Mental Health Apps: An Empirical Investigation and its
Implications for Apps Development [14.113922276394588]
本稿では、メンタルヘルスアプリに組み込まれたデータのプライバシーを体系的に識別し、理解することを目的とした実証的研究を報告する。
われわれはGoogle Play Storeのトップランクのメンタルヘルスアプリ27件を分析した。
この発見は、不必要なパーミッション、セキュアでない暗号実装、ログやWebリクエストにおける個人情報や資格情報の漏洩など、重要なデータプライバシの問題を明らかにする。
論文 参考訳(メタデータ) (2022-01-22T09:23:56Z) - 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) - Clinical Outcome Prediction from Admission Notes using Self-Supervised
Knowledge Integration [55.88616573143478]
臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。
退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。
複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
論文 参考訳(メタデータ) (2021-02-08T10:26:44Z) - MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。
我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
論文 参考訳(メタデータ) (2020-11-17T15:18:38Z) - Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。
多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
論文 参考訳(メタデータ) (2020-09-21T03:45:14Z) - COVI White Paper [67.04578448931741]
接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。
カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
論文 参考訳(メタデータ) (2020-05-18T07:40:49Z)
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。