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

• Persuasion with Large Language Models: a Survey [49.86930318312291]
  大規模言語モデル (LLM) は説得力のあるコミュニケーションに新たな破壊的可能性を生み出している。 政治、マーケティング、公衆衛生、電子商取引、慈善事業などの分野では、LLMシステムズは既に人間レベルや超人的説得力を達成している。 LLMをベースとした説得の現在と将来の可能性は、倫理的・社会的リスクを著しく引き起こす可能性が示唆された。
  論文  参考訳（メタデータ） (2024-11-11T10:05:52Z)
• Leveraging Large Language Models for Patient Engagement: The Power of Conversational AI in Digital Health [1.8772687384996551]
  大規模言語モデル(LLM)は、会話型AIを通じて医療における患者のエンゲージメントを変革する新たな機会を開いた。 4つのケーススタディを通して,LLMの非構造化会話データ処理能力を示す。
  論文  参考訳（メタデータ） (2024-06-19T16:02:04Z)
• A Survey on Medical Large Language Models: Technology, Application, Trustworthiness, and Future Directions [31.04135502285516]
  大規模言語モデル(LLM)は、人間レベルの言語の生成と理解に優れた能力があることから、大きな注目を集めている。 LLMは医療分野において革新的で強力なアドジャンクとして出現し、伝統的なプラクティスを変革し、医療サービス強化の新しい時代を告げている。
  論文  参考訳（メタデータ） (2024-06-06T03:15:13Z)
• Large Language Model for Mental Health: A Systematic Review [2.9429776664692526]
  大規模言語モデル(LLM)は、デジタルヘルスの潜在的な応用に対して大きな注目を集めている。 この体系的なレビューは、早期スクリーニング、デジタル介入、臨床応用におけるその強みと限界に焦点を当てている。
  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 [53.691704671844406]
  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)
• Large Language Models in Mental Health Care: a Scoping Review [28.635427491110484]
  メンタルヘルスにおける大規模言語モデル(LLM)の統合は、新たな分野である。 アプリケーションの結果を体系的にレビューし、臨床設定の利点と限界を明確にすることが必要である。 本総説は、精神医療におけるLSMの使用について、その効果、課題、将来的な応用の可能性について、総合的に概観することを目的としている。
  論文  参考訳（メタデータ） (2024-01-01T17:35:52Z)
• 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)
• 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)

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。