論文の概要: Using Audio Data to Facilitate Depression Risk Assessment in Primary
Health Care
- arxiv url: http://arxiv.org/abs/2310.10928v1
- Date: Tue, 17 Oct 2023 01:55:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-18 18:26:07.850373
- Title: Using Audio Data to Facilitate Depression Risk Assessment in Primary
Health Care
- Title(参考訳): プライマリ・ヘルスケアにおける抑うつリスク評価のための音声データの利用
- Authors: Adam Valen Levinson, Abhay Goyal, Roger Ho Chun Man, Roy Ka-Wei Lee,
Koustuv Saha, Nimay Parekh, Frederick L. Altice, Lam Yin Cheung, Munmun De
Choudhury and Navin Kumar
- Abstract要約: テレヘルスの相談には、接続性の悪いり、通話が切れたりといったビデオの問題がしばしばある。
本研究では,うつ病のリスクを予測するために音声データを利用することに焦点を当てた。
私たちはうつ病のリスクを予測する機械学習モデルを構築しました。
これらの発見は、うつ病のスクリーニングや治療に役立つ様々なツールにつながる可能性がある。
- 参考スコア(独自算出の注目度): 15.707539831910587
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Telehealth is a valuable tool for primary health care (PHC), where depression
is a common condition. PHC is the first point of contact for most people with
depression, but about 25% of diagnoses made by PHC physicians are inaccurate.
Many other barriers also hinder depression detection and treatment in PHC.
Artificial intelligence (AI) may help reduce depression misdiagnosis in PHC and
improve overall diagnosis and treatment outcomes. Telehealth consultations
often have video issues, such as poor connectivity or dropped calls. Audio-only
telehealth is often more practical for lower-income patients who may lack
stable internet connections. Thus, our study focused on using audio data to
predict depression risk. The objectives were to: 1) Collect audio data from 24
people (12 with depression and 12 without mental health or major health
condition diagnoses); 2) Build a machine learning model to predict depression
risk. TPOT, an autoML tool, was used to select the best machine learning
algorithm, which was the K-nearest neighbors classifier. The selected model had
high performance in classifying depression risk (Precision: 0.98, Recall: 0.93,
F1-Score: 0.96). These findings may lead to a range of tools to help screen for
and treat depression. By developing tools to detect depression risk, patients
can be routed to AI-driven chatbots for initial screenings. Partnerships with a
range of stakeholders are crucial to implementing these solutions. Moreover,
ethical considerations, especially around data privacy and potential biases in
AI models, need to be at the forefront of any AI-driven intervention in mental
health care.
- Abstract(参考訳): テレヘルスは、うつ病が一般的な状態であるプライマリヘルスケア(PHC)にとって貴重なツールである。
PHCはうつ病患者にとって最初の接触点であるが、PHC医師による診断の約25%は不正確である。
その他の多くの障壁は、PHCのうつ病の検出と治療を妨げる。
人工知能(AI)は、PHCにおけるうつ病の誤診を減らし、全体的な診断と治療結果を改善するのに役立つ。
遠隔医療の相談には、接続不良や通話の欠落といったビデオの問題がしばしば発生する。
オーディオのみの遠隔医療は、安定したインターネット接続を欠く低所得の患者にとって、より実践的であることが多い。
そこで本研究では,うつ病リスクを予測するために音声データを用いた。
目的は次の通りである。
1)24人からの音声データを収集する(うつ病12人,精神疾患のない12人,重度健康診断のない12人)。
2)うつ病リスクを予測する機械学習モデルを構築する。
自動MLツールであるTPOTは、K-nearestの隣人分類器である機械学習アルゴリズムの選択に使用された。
選択されたモデルは抑うつリスクの分類において高い性能を示した(予測: 0.98, リコール: 0.93, f1-score: 0.96)。
これらの発見はうつ病のスクリーニングや治療に役立つ様々なツールにつながる可能性がある。
うつ病のリスクを検出するツールを開発することで、患者は初期スクリーニングのためにAI駆動のチャットボットにルーティングできる。
様々な利害関係者とのパートナーシップは、これらのソリューションの実装に不可欠です。
さらに、データプライバシやAIモデルの潜在的なバイアスに関する倫理的考慮は、メンタルヘルスケアにおけるAI主導の介入の最前線にいる必要がある。
関連論文リスト
- What Symptoms and How Long? An Interpretable AI Approach for Depression
Detection in Social Media [0.5156484100374058]
うつ病は最も一般的で深刻な精神疾患であり、重大な財政的・社会的影響をもたらす。
本研究は、ソーシャルメディアにおける抑うつ検出のための新しい解釈可能な深層学習モデルを用いて、IS文献に寄与する。
論文 参考訳(メタデータ) (2023-05-18T20:15:04Z) - 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) - Mental Illness Classification on Social Media Texts using Deep Learning
and Transfer Learning [55.653944436488786]
世界保健機関(WHO)によると、約4億5000万人が影響を受ける。
うつ病、不安症、双極性障害、ADHD、PTSDなどの精神疾患。
本研究では、Redditプラットフォーム上の非構造化ユーザデータを分析し、うつ病、不安、双極性障害、ADHD、PTSDの5つの一般的な精神疾患を分類する。
論文 参考訳(メタデータ) (2022-07-03T11:33:52Z) - 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) - 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) - Detecting Individuals with Depressive Disorder fromPersonal Google
Search and YouTube History Logs [2.5049267048783648]
うつ病は世界人口の中で最も多い精神疾患の1つである。
本研究では,抑うつ障害のある人を検出するために,ユビキタスな個人検索とYouTubeエンゲージメントログを活用する。
論文 参考訳(メタデータ) (2020-10-28T04:40:18Z)
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。