論文の概要: Benefits and Harms of Large Language Models in Digital Mental Health
- arxiv url: http://arxiv.org/abs/2311.14693v1
- Date: Tue, 7 Nov 2023 14:11:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-03 13:52:02.280053
- Title: Benefits and Harms of Large Language Models in Digital Mental Health
- Title(参考訳): デジタルメンタルヘルスにおける大規模言語モデルのメリットとハーム
- Authors: Munmun De Choudhury, Sachin R. Pendse, Neha Kumar
- Abstract要約: 大型言語モデル (LLMs) は、デジタルメンタルヘルスを未知の領域に導くことを約束している。
本稿では、デジタルメンタルヘルスツールの設計、開発、実装においてLLMがもたらす可能性とリスクについて、現代の展望を示す。
- 参考スコア(独自算出の注目度): 40.02859683420844
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The past decade has been transformative for mental health research and
practice. The ability to harness large repositories of data, whether from
electronic health records (EHR), mobile devices, or social media, has revealed
a potential for valuable insights into patient experiences, promising early,
proactive interventions, as well as personalized treatment plans. Recent
developments in generative artificial intelligence, particularly large language
models (LLMs), show promise in leading digital mental health to uncharted
territory. Patients are arriving at doctors' appointments with information
sourced from chatbots, state-of-the-art LLMs are being incorporated in medical
software and EHR systems, and chatbots from an ever-increasing number of
startups promise to serve as AI companions, friends, and partners. This article
presents contemporary perspectives on the opportunities and risks posed by LLMs
in the design, development, and implementation of digital mental health tools.
We adopt an ecological framework and draw on the affordances offered by LLMs to
discuss four application areas -- care-seeking behaviors from individuals in
need of care, community care provision, institutional and medical care
provision, and larger care ecologies at the societal level. We engage in a
thoughtful consideration of whether and how LLM-based technologies could or
should be employed for enhancing mental health. The benefits and harms our
article surfaces could serve to help shape future research, advocacy, and
regulatory efforts focused on creating more responsible, user-friendly,
equitable, and secure LLM-based tools for mental health treatment and
intervention.
- Abstract(参考訳): 過去10年はメンタルヘルスの研究と実践に変化をもたらした。
電子健康記録(EHR)、モバイルデバイス、ソーシャルメディアなど、大規模なデータリポジトリを利用する能力は、患者の経験、早期かつ積極的な介入、パーソナライズされた治療計画に対する貴重な洞察の可能性を明らかにしている。
最近の生成型人工知能、特に大規模言語モデル(llm)の発展は、デジタルメンタルヘルスを未開領域に導く可能性を示している。
患者は、チャットボットから得られる情報、最先端のLLMが医療ソフトウェアやEHRシステムに組み込まれている、そしてAIコンパニオン、友人、パートナーとして機能することを約束するスタートアップのチャットボットによって、医師のアポイントメントに到達している。
本稿では,デジタルメンタルヘルスツールの設計,開発,実装において,llmが与える機会とリスクに関する現代的視点を紹介する。
我々は、環境枠組みを採用し、LLMが提供した4つの応用分野 ― ケアを必要とする個人からの介護行動、地域医療提供、制度・医療提供、社会レベルでのより大きなケアエコロジー ― について論じる。
我々は、LLMベースの技術がメンタルヘルスの強化に有効であるかどうか、そしてどのように採用されるべきなのかを慎重に検討する。
われわれの記事表面の利点と害は、より責任があり、ユーザフレンドリで、公平で、LLMベースのメンタルヘルスと介入のための安全なツールを作成することに焦点を当てた将来の研究、擁護、規制の取り組みを形作るのに役立つだろう。
関連論文リスト
- Large Language Model for Mental Health: A Systematic Review [2.9429776664692526]
大規模言語モデル(LLM)は、デジタルヘルスにおいて大きな注目を集め、その可能性を示している。
この体系的なレビューは、精神保健におけるLLMの使用を要約し、特徴付けることを目的としている。
論文 参考訳(メタデータ) (2024-02-19T17:58:41Z) - Generative AI-Driven Human Digital Twin in IoT-Healthcare: A
Comprehensive Survey [56.89257974393749]
IoT(Internet of Things)は、特にヘルスケアにおいて、人間の生活の質を大幅に向上させる。
ヒトデジタルツイン(HDT)は、個体の複製を包括的に特徴付ける革新的なパラダイムとして提案されている。
HDTは、多用途で生き生きとした人間のデジタルテストベッドとして機能することで、医療監視の応用を超えて、IoTヘルスの強化を図っている。
最近、生成人工知能(GAI)は、高度なAIアルゴリズムを利用して、多種多様なデータを自動的に生成、操作、修正できるため、有望なソリューションである可能性がある。
論文 参考訳(メタデータ) (2024-01-22T03:17:41Z) - Challenges of Large Language Models for Mental Health Counseling [4.604003661048267]
世界のメンタルヘルス危機は、精神疾患の急速な増加、限られた資源、治療を求める社会的便宜によって悪化している。
メンタルヘルス領域における大規模言語モデル(LLM)の適用は、提供された情報の正確性、有効性、信頼性に関する懸念を提起する。
本稿では, モデル幻覚, 解釈可能性, バイアス, プライバシ, 臨床効果など, 心理カウンセリングのためのLSMの開発に伴う課題について検討する。
論文 参考訳(メタデータ) (2023-11-23T08:56:41Z) - Redefining Digital Health Interfaces with Large Language Models [69.02059202720073]
大規模言語モデル(LLM)は、複雑な情報を処理できる汎用モデルとして登場した。
LLMが臨床医とデジタル技術との新たなインターフェースを提供する方法を示す。
自動機械学習を用いた新しい予後ツールを開発した。
論文 参考訳(メタデータ) (2023-10-05T14:18:40Z) - Privacy-preserving machine learning for healthcare: open challenges and
future perspectives [72.43506759789861]
医療におけるプライバシー保護機械学習(PPML)に関する最近の文献を概観する。
プライバシ保護トレーニングと推論・アズ・ア・サービスに重点を置いています。
このレビューの目的は、医療におけるプライベートかつ効率的なMLモデルの開発をガイドすることである。
論文 参考訳(メタデータ) (2023-03-27T19:20:51Z) - 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) - Smart Healthcare in the Age of AI: Recent Advances, Challenges, and
Future Prospects [3.3336265497547126]
スマートヘルスケアシステムは近年関心が高まりつつあるトピックであり、現代技術における大きな発展のためにますます必要となってきた。
本研究の目的は、健康モニタリングのためのウェアラブルやスマートフォンデバイス、疾患診断のための機械学習、環境支援生活環境向けに開発された社会ロボットを含む支援フレームワークなど、主要な分野を取り上げ、現在最先端のスマートヘルスケアシステムについて議論することである。
論文 参考訳(メタデータ) (2021-06-24T05:10:47Z) - 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) - Artificial Intelligence for Global Health: Learning From a Decade of
Digital Transformation in Health Care [0.0]
低中間所得国(LMIC)は、過去10年にわたり、医療における自己のデジタル変革をすでに実施している。
新たな技術の導入によって、トップダウンのアプローチを新たに導入し、これらのテクノロジを独立して実装することが一般的になり、使用の欠如とリソースの浪費につながります。
本稿は、現在の研究のギャップの観点から、また、リソース制限環境下での医療従事者の生きた経験から、必要な考察を概説する。
論文 参考訳(メタデータ) (2020-05-20T23:50:17Z)
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。