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

• MentalArena: Self-play Training of Language Models for Diagnosis and Treatment of Mental Health Disorders [59.515827458631975]
  メンタルヘルス障害は世界で最も深刻な病気の1つである。 プライバシーに関する懸念は、パーソナライズされた治療データのアクセシビリティを制限する。 MentalArenaは、言語モデルをトレーニングするためのセルフプレイフレームワークである。
  論文  参考訳（メタデータ） (2024-10-09T13:06:40Z)
• Mental-Perceiver: Audio-Textual Multimodal Learning for Mental Health Assessment [10.584792972403596]
  不安や抑うつといった精神障害は、さまざまな年齢の人々の生活に影響を及ぼす世界的な問題となっている。 我々は,マンダリン話者の不安と抑うつ評価に関する大規模テキストbfMulti-textbfModal textbfpsychological Assessment corpus (MMPsy)を構築した。 我々のデータセットには、不安評価のためのインタビューの7,700件、うつ病評価のための4,200件以上の記録が含まれています。
  論文  参考訳（メタデータ） (2024-08-22T02:54:52Z)
• Depression Detection and Analysis using Large Language Models on Textual and Audio-Visual Modalities [25.305909441170993]
  うつ病は公衆衛生上の重大な問題であり、個人の心理的健康に大きな影響を与えている。 診断されていない場合、うつ病は重篤な健康問題を引き起こし、身体的に現れて自殺に至る。
  論文  参考訳（メタデータ） (2024-07-08T17:00:51Z)
• Non-Invasive Suicide Risk Prediction Through Speech Analysis [74.8396086718266]
  自動自殺リスク評価のための非侵襲的音声ベースアプローチを提案する。 我々は、wav2vec、解釈可能な音声・音響特徴、深層学習に基づくスペクトル表現の3つの特徴セットを抽出する。 我々の最も効果的な音声モデルは、6.6.2,%$のバランスの取れた精度を達成する。
  論文  参考訳（メタデータ） (2024-04-18T12:33:57Z)
• Depression Detection on Social Media with Large Language Models [23.075317886505193]
  抑うつ検出は、ソーシャルメディア上の投稿履歴を分析して、個人が抑うつに苦しむかどうかを判断することを目的としている。 本稿では,医学的知識と大規模言語モデルの最近の進歩を融合した,DORISと呼ばれる新規なうつ病検出システムを提案する。
  論文  参考訳（メタデータ） (2024-03-16T01:01:16Z)
• 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)
• 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)
• 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。