論文の概要: MDD-5k: A New Diagnostic Conversation Dataset for Mental Disorders Synthesized via Neuro-Symbolic LLM Agents
- arxiv url: http://arxiv.org/abs/2408.12142v1
- Date: Thu, 22 Aug 2024 05:59:47 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-23 15:03:23.102657
- Title: MDD-5k: A New Diagnostic Conversation Dataset for Mental Disorders Synthesized via Neuro-Symbolic LLM Agents
- Title（参考訳）: MDD-5k:ニューロシンボリックLSMエージェントを用いた精神障害の新しい診断用会話データセット
- Authors: Congchi Yin, Feng Li, Shu Zhang, Zike Wang, Jun Shao, Piji Li, Jianhua Chen, Xun Jiang,
- Abstract要約: 我々は、精神疾患の診断会話を合成するための神経象徴的マルチエージェントフレームワークを設計する。
提案手法を適用し,中国最大の精神障害診断データセットであるMDD-5kを開発した。
- 参考スコア（独自算出の注目度）: 25.987334407396396
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The clinical diagnosis of most mental disorders primarily relies on the conversations between psychiatrist and patient. The creation of such diagnostic conversation datasets is promising to boost the AI mental healthcare community. However, directly collecting the conversations in real diagnosis scenarios is near impossible due to stringent privacy and ethical considerations. To address this issue, we seek to synthesize diagnostic conversation by exploiting anonymous patient cases that are easier to access. Specifically, we design a neuro-symbolic multi-agent framework for synthesizing the diagnostic conversation of mental disorders with large language models. It takes patient case as input and is capable of generating multiple diverse conversations with one single patient case. The framework basically involves the interaction between a doctor agent and a patient agent, and achieves text generation under symbolic control via a dynamic diagnosis tree from a tool agent. By applying the proposed framework, we develop the largest Chinese mental disorders diagnosis dataset MDD-5k, which is built upon 1000 cleaned real patient cases by cooperating with a pioneering psychiatric hospital, and contains 5000 high-quality long conversations with diagnosis results as labels. To the best of our knowledge, it's also the first labelled Chinese mental disorders diagnosis dataset. Human evaluation demonstrates the proposed MDD-5k dataset successfully simulates human-like diagnostic process of mental disorders. The dataset and code will become publicly accessible in https://github.com/lemonsis/MDD-5k.
- Abstract（参考訳）: ほとんどの精神疾患の臨床的診断は、主に精神科医と患者の会話に依存する。
このような診断会話データセットの作成は、AIメンタルヘルスケアコミュニティを促進することを約束している。
しかし、プライバシーや倫理的配慮が厳しいため、実際の診断シナリオで会話を直接収集することは不可能に近い。
この問題に対処するために,アクセスし易い匿名の患者を駆使して,診断会話の合成を試みる。
具体的には、大きな言語モデルを用いた精神疾患の診断会話を合成するための、ニューロシンボリックなマルチエージェントフレームワークを設計する。
患者を入力とし、1つの患者と複数の多様な会話を生成できる。
このフレームワークは基本的に、医師エージェントと患者エージェントの相互作用を含み、ツールエージェントからの動的診断ツリーを介して象徴的な制御の下でテキスト生成を実現する。
提案手法を応用し,先駆的な精神病院と協力し,1000件のクリーン化の実例を基に構築された,中国最大の精神障害診断データセットであるMDD-5kを開発し,診断結果をラベルとして,5,000件の高品質な会話を収録した。
私たちの知る限りでは、これは中国の精神障害診断データセットとして初めてラベル付けされたものです。
人間による評価は、提案したMDD-5kデータセットが精神疾患のヒト様の診断過程をうまくシミュレートすることを示した。
データセットとコードはhttps://github.com/lemonsis/MDD-5kで公開されている。
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) - Depression Diagnosis Dialogue Simulation: Self-improving Psychiatrist with Tertiary Memory [35.41386783586689]
本稿では,患者と精神科医の対話を模擬してうつ病診断を促進する自己改善型会話エージェントシステムであるエージェント・メンタル・クリニック(AMC)を紹介する。
本稿では,3次記憶構造,対話制御,およびメモリサンプリングモジュールから構成される精神科医エージェントを設計し,精神科医エージェントが反映するスキルを十分に活用し,抑うつリスクと自殺リスク診断の会話による高精度化を実現する。
論文 参考訳（メタデータ） (2024-09-20T14:25:08Z) - LLM Questionnaire Completion for Automatic Psychiatric Assessment [49.1574468325115]
大規模言語モデル(LLM)を用いて、非構造的心理面接を、様々な精神科領域と人格領域にまたがる構造化された質問票に変換する。
得られた回答は、うつ病の標準化された精神医学的指標(PHQ-8)とPTSD(PCL-C)の予測に使用される特徴として符号化される。
論文 参考訳（メタデータ） (2024-06-09T09:03:11Z) - MDDial: A Multi-turn Differential Diagnosis Dialogue Dataset with
Reliability Evaluation [46.82607230465541]
エンドツーエンドのADD対話システムを構築するには、対話トレーニングデータセットが必要である。
ADDの対話データセットは英語では公開されていない。
MDDialは、英語で最初の差分診断対話データセットである。
論文 参考訳（メタデータ） (2023-08-16T04:56:55Z) - D4: a Chinese Dialogue Dataset for Depression-Diagnosis-Oriented Chat [25.852922703368133]
うつ病と診断された臨床セッションでは、医師は患者に症状を露呈させるための十分な感情的支援と会話を開始する。
精神疾患に関連する社会的便秘が原因でうつ病の相談や診断に関連する対話データが開示されることは稀である。
うつ病診断における医師と患者との対話をシミュレートした,うつ病診断指向チャットのための中国語対話データセットを構築した。
論文 参考訳（メタデータ） (2022-05-24T03:54:22Z) - "My nose is running.""Are you also coughing?": Building A Medical
Diagnosis Agent with Interpretable Inquiry Logics [80.55587329326046]
本稿では,DSMDの対話マネージャを実装するための,より解釈可能な意思決定プロセスを提案する。
推論を行うために、非常に透明なコンポーネントを持つモデルを考案する。
実験の結果,診断精度は7.7%,10.0%,3.0%向上した。
論文 参考訳（メタデータ） (2022-04-29T09:02:23Z) - RobIn: A Robust Interpretable Deep Network for Schizophrenia Diagnosis [12.180396034315807]
統合失調症は、長く複雑な診断プロセスを必要とする重度の精神疾患である。
脳画像データから統合失調症の診断にディープラーニングを応用しようとする試みは、将来性を示しているが、大きなトレーニングと応用のギャップに悩まされている。
我々は、アクセスしやすいデータに焦点をあてて、このトレーニングとアプリケーション間のギャップを減らすことを提案する。
論文 参考訳（メタデータ） (2022-03-31T15:01:35Z) - Knowledge Grounded Conversational Symptom Detection with Graph Memory
Networks [5.788153402669881]
対話を通じて患者と対話し,臨床症状を自動的に検出し収集するシステムを構築した。
患者が診断のためのダイアログを開始するための明示的な症状のセットが与えられた場合、システムは質問によって暗黙の症状を収集するように訓練される。
各質問に対する患者からの回答を得た後、システムはまた、現在の情報が人間の医師が診断を行うのに十分であるかどうかを決定します。
論文 参考訳（メタデータ） (2021-01-24T18:50:16Z) - MedDG: An Entity-Centric Medical Consultation Dataset for Entity-Aware
Medical Dialogue Generation [86.38736781043109]
MedDGという12種類の消化器疾患に関連する大規模医用対話データセットを構築し,公開する。
MedDGデータセットに基づく2種類の医療対話タスクを提案する。1つは次のエンティティ予測であり、もう1つは医師の反応生成である。
実験結果から,プレトレイン言語モデルと他のベースラインは,両方のタスクに苦戦し,データセットの性能が劣ることがわかった。
論文 参考訳（メタデータ） (2020-10-15T03:34:33Z) - Towards Causality-Aware Inferring: A Sequential Discriminative Approach
for Medical Diagnosis [142.90770786804507]
医学診断アシスタント(MDA)は、疾患を識別するための症状を逐次調査する対話型診断エージェントを構築することを目的としている。
この研究は、因果図を利用して、MDAにおけるこれらの重要な問題に対処しようとする。
本稿では,他の記録から知識を引き出すことにより,非記録的調査に効果的に答える確率に基づく患者シミュレータを提案する。
論文 参考訳（メタデータ） (2020-03-14T02:05:54Z)
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。