論文の概要: A Study on the Performance of Generative Pre-trained Transformer (GPT)
in Simulating Depressed Individuals on the Standardized Depressive Symptom
Scale
- arxiv url: http://arxiv.org/abs/2307.08576v1
- Date: Mon, 17 Jul 2023 15:44:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-18 12:38:25.050439
- Title: A Study on the Performance of Generative Pre-trained Transformer (GPT)
in Simulating Depressed Individuals on the Standardized Depressive Symptom
Scale
- Title（参考訳）: 標準抑うつ症状尺度による抑うつ者のシミュレーションにおける生成前訓練変圧器(gpt)の性能に関する研究
- Authors: Sijin Cai, Nanfeng Zhang, Jiaying Zhu, Yanjie Liu, Yongjin Zhou
- Abstract要約: うつ病は社会的・経済的負担を伴う一般的な精神疾患である。
3つのうつ関連評価ツール(HAMD-17, SDS, GDS-15)が用いられた。
2つの実験は、正常な人やうつ病患者に対するGPT反応をシミュレートした。
- 参考スコア（独自算出の注目度）: 1.764742340693894
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Background: Depression is a common mental disorder with societal and economic
burden. Current diagnosis relies on self-reports and assessment scales, which
have reliability issues. Objective approaches are needed for diagnosing
depression. Objective: Evaluate the potential of GPT technology in diagnosing
depression. Assess its ability to simulate individuals with depression and
investigate the influence of depression scales. Methods: Three
depression-related assessment tools (HAMD-17, SDS, GDS-15) were used. Two
experiments simulated GPT responses to normal individuals and individuals with
depression. Compare GPT's responses with expected results, assess its
understanding of depressive symptoms, and performance differences under
different conditions. Results: GPT's performance in depression assessment was
evaluated. It aligned with scoring criteria for both individuals with
depression and normal individuals. Some performance differences were observed
based on depression severity. GPT performed better on scales with higher
sensitivity. Conclusion: GPT accurately simulates individuals with depression
and normal individuals during depression-related assessments. Deviations occur
when simulating different degrees of depression, limiting understanding of mild
and moderate cases. GPT performs better on scales with higher sensitivity,
indicating potential for developing more effective depression scales. GPT has
important potential in depression assessment, supporting clinicians and
patients.
- Abstract（参考訳）: 背景:うつ病は社会的、経済的負担を伴う一般的な精神障害である。
現在の診断は、信頼性の問題のある自己報告と評価尺度に依存している。
うつ病の診断には客観的アプローチが必要である。
目的:うつ病の診断におけるGPT技術の可能性を評価する。
うつ病の個人をシミュレートし、うつ病の尺度の影響を調べる能力を評価する。
方法:3つのうつ関連評価ツール(HAMD-17, SDS, GDS-15)を用いた。
2つの実験は、正常な人やうつ病患者に対するGPT反応をシミュレートした。
GPTの反応を予測結果と比較し、うつ症状の理解と、異なる条件下でのパフォーマンスの違いを評価する。
結果: 抑うつ評価におけるgptの性能を評価した。
これはうつ病患者と正常者の両方のスコア基準と一致した。
うつ病の重症度に基づく性能差が認められた。
GPTは感度の高いスケールで改善した。
結論: GPTはうつ病関連評価において、うつ病と正常な個人を正確にシミュレートする。
偏差は、異なるうつ病の程度をシミュレートすることで起こり、軽度および中程度の症例の理解を制限する。
GPTは、より高感度のスケールでより良い性能を示し、より効果的なうつ病尺度の開発の可能性を示している。
GPTはうつ病評価において重要な可能性があり、臨床医や患者を支援する。
関連論文リスト
- Explaining GPT-4's Schema of Depression Using Machine Behavior Analysis [12.583478381493164]
我々は,GPT-4の精神疾患のスキーマについて限定的に理解している。
我々は,GPT-4がうつ症状とどのように関連しているかを復号するために,同時代の測定理論を利用した。
その結果, GPT-4の抑うつ評価は, (a) 総合収束妥当性が高い(r =.71, 955試料を自己申告, r =.81, 209試料を専門家判定), (b) 内部整合性が中程度に高かった(症状相関r =.23〜.78)。
論文 参考訳（メタデータ） (2024-11-21T02:58:23Z) - MASON-NLP at eRisk 2023: Deep Learning-Based Detection of Depression
Symptoms from Social Media Texts [0.0]
うつ病は精神疾患であり、人々の生活に大きな影響を及ぼす。
最近の研究は、うつ病の兆候が個人のコミュニケーションの仕方で検出できることを示唆している。
ソーシャルメディア投稿は、うつ病の症状を調べるためのリッチで便利なテキストソースです。
論文 参考訳（メタデータ） (2023-10-17T02:34:34Z) - The Relationship Between Speech Features Changes When You Get Depressed:
Feature Correlations for Improving Speed and Performance of Depression
Detection [69.88072583383085]
この研究は、抑うつが音声から抽出した特徴間の相関を変化させることを示す。
このような洞察を用いることで、SVMとLSTMに基づく抑うつ検出器のトレーニング速度と性能を向上させることができる。
論文 参考訳（メタデータ） (2023-07-06T09:54:35Z) - Depression detection in social media posts using affective and social
norm features [84.12658971655253]
ソーシャルメディア投稿からの抑うつ検出のための奥深いアーキテクチャを提案する。
我々は、後期融合方式を用いて、ポストとワードの敬称と道徳的特徴をアーキテクチャに組み込んだ。
提案された機能を含めると、両方の設定で最先端の結果が得られます。
論文 参考訳（メタデータ） (2023-03-24T21:26:27Z) - Exploring Social Media for Early Detection of Depression in COVID-19
Patients [44.76299288962596]
早期に検出と介入は、新型コロナウイルス患者のうつ病のリスクを減少させる可能性がある。
我々は、感染前後のソーシャルメディア活動に関する情報を含む新型コロナウイルス患者のデータセットを管理した。
うつ病リスクの高いCOVID-19患者の特徴を明らかにするため,本データセットを広範囲に分析した。
論文 参考訳（メタデータ） (2023-02-23T14:13:52Z) - Handwriting and Drawing for Depression Detection: A Preliminary Study [53.11777541341063]
精神健康に対する短期的コビデンスの影響は、不安や抑うつ症状の顕著な増加であった。
本研究の目的は、健康な人とうつ病患者を識別するために、オンライン手書き・図面解析という新しいツールを使用することである。
論文 参考訳（メタデータ） (2023-02-05T22:33:49Z) - 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) - Data set creation and empirical analysis for detecting signs of
depression from social media postings [0.0]
うつ病は、深刻な結果を避けるために、早期に検出され治療されなければならない一般的な精神疾患である。
我々は、ソーシャルメディアの投稿から、うつ病のレベルが落ち込んでいないこと、中程度に落ち込んでいないこと、および深刻な落ち込んでいないことを検知する、金の標準データセットを開発した。
論文 参考訳（メタデータ） (2022-02-07T10:24:33Z) - Deep Multi-task Learning for Depression Detection and Prediction in
Longitudinal Data [50.02223091927777]
うつ病は最も多い精神疾患の1つであり、世界中の年齢の何百万人もの人々に影響を与えている。
機械学習技術は、早期介入と治療のためのうつ病の自動検出と予測を可能にしている。
本稿では、この課題に対処するために、2つの補助的タスクでうつ病分類を共同最適化する、新しいディープマルチタスクリカレントニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2020-12-05T05:14:14Z) - Examining the Role of Mood Patterns in Predicting Self-Reported
Depressive symptoms [4.564132389935269]
うつ病は世界中で障害の主な原因である。
ソーシャルメディア投稿からうつ病信号を検出する最初の試みは、有望な結果を示している。
本研究では,ソーシャルメディア利用者を対象とした「ムードプロファイル」を構築し,うつ病の症状を検出するための現在の技術を強化することを試みる。
論文 参考訳（メタデータ） (2020-06-14T12:48:43Z)
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。