論文の概要: MindGuard: Towards Accessible and Sitgma-free Mental Health First Aid via Edge LLM
- arxiv url: http://arxiv.org/abs/2409.10064v1
- Date: Mon, 16 Sep 2024 07:58:56 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-17 16:21:11.850382
- Title: MindGuard: Towards Accessible and Sitgma-free Mental Health First Aid via Edge LLM
- Title(参考訳): MindGuard:Edge LLMによる、アクセシブルでシグマのないメンタルヘルス支援を目指す
- Authors: Sijie Ji, Xinzhe Zheng, Jiawei Sun, Renqi Chen, Wei Gao, Mani Srivastava,
- Abstract要約: メンタルヘルス障害は世界中で4人に1人近くに影響している。
スティグマは、援助を求めて影響を受けた人の半数以上を嫌がらせしている。
本稿では,モバイル型医療システムであるMindGuardについて紹介する。
- 参考スコア(独自算出の注目度): 5.961343130822046
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Mental health disorders are among the most prevalent diseases worldwide, affecting nearly one in four people. Despite their widespread impact, the intervention rate remains below 25%, largely due to the significant cooperation required from patients for both diagnosis and intervention. The core issue behind this low treatment rate is stigma, which discourages over half of those affected from seeking help. This paper presents MindGuard, an accessible, stigma-free, and professional mobile mental healthcare system designed to provide mental health first aid. The heart of MindGuard is an innovative edge LLM, equipped with professional mental health knowledge, that seamlessly integrates objective mobile sensor data with subjective Ecological Momentary Assessment records to deliver personalized screening and intervention conversations. We conduct a broad evaluation of MindGuard using open datasets spanning four years and real-world deployment across various mobile devices involving 20 subjects for two weeks. Remarkably, MindGuard achieves results comparable to GPT-4 and outperforms its counterpart with more than 10 times the model size. We believe that MindGuard paves the way for mobile LLM applications, potentially revolutionizing mental healthcare practices by substituting self-reporting and intervention conversations with passive, integrated monitoring within daily life, thus ensuring accessible and stigma-free mental health support.
- Abstract(参考訳): メンタルヘルス障害は世界で最も多い疾患の一つであり、4人に1人近くに影響している。
広く影響されているにもかかわらず、介入率は25%以下であり、主に診断と介入の両方のために患者が必要とする重要な協力が原因である。
この低治療率の背景にある問題はスティグマ(stigma)です。
本稿では、メンタルヘルスの第一支援を目的とした、アクセス可能でスティグマフリーで専門的なモバイルメンタルヘルスシステムであるMindGuardについて述べる。
MindGuardの心臓は、プロのメンタルヘルス知識を備えた革新的なLLMで、客観的なモバイルセンサーデータと主観的な生態的モメンタリーアセスメント記録をシームレスに統合し、パーソナライズされたスクリーニングと介入の会話を提供する。
我々は,4年間にわたるオープンデータセットと,20名の被験者を対象とするさまざまなモバイルデバイスへの2週間にわたる実世界展開を用いて,MindGuardを広範囲に評価する。
注目すべきは、MindGuardがGPT-4に匹敵する結果を達成し、モデルサイズを10倍以上に上回っていることだ。
我々は、MindGuardがモバイルLLMアプリケーションへの道を開いたと信じており、セルフレポーティングと介入の会話を受動的で日常の監視と置き換えることで、アクセス可能でスティグマのないメンタルヘルスサポートを確保することで、メンタルヘルスプラクティスに革命をもたらす可能性がある。
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) - MindScape Study: Integrating LLM and Behavioral Sensing for Personalized AI-Driven Journaling Experiences [6.120545056775202]
MindScapeは受動的に収集された行動パターンを統合することで、AIによるジャーナリングの新しいアプローチを開拓した。
この統合は、高度にパーソナライズされ、コンテキスト対応のジャーナリングエクスペリエンスを生み出します。
大学生20名を対象に8週間の探索的研究を行い,MindScapeアプリの有効性を実証した。
論文 参考訳(メタデータ) (2024-09-15T01:10:46Z) - PsychoGAT: A Novel Psychological Measurement Paradigm through Interactive Fiction Games with LLM Agents [68.50571379012621]
心理的な測定は、精神健康、自己理解、そして個人の発達に不可欠である。
心理学ゲームAgenT(サイコガト)は、信頼性、収束妥当性、差別的妥当性などの心理学的指標において統計的に有意な卓越性を達成している。
論文 参考訳(メタデータ) (2024-02-19T18:00:30Z) - Differential Private Federated Transfer Learning for Mental Health Monitoring in Everyday Settings: A Case Study on Stress Detection [4.439102809224707]
メンタルヘルスの状況は、生活の質に対する悪影響を軽減するために、効率的なモニタリングを必要とする。
既存のアプローチは、現実世界のアプリケーションにおいて、特定のサイバー攻撃やデータ不足に対する脆弱性と戦っている。
メンタルヘルスモニタリングのための差分私的フェデレート・トランスファー学習フレームワークを導入し,データプライバシの向上とデータ満足度の向上を図る。
論文 参考訳(メタデータ) (2024-02-16T18:00:04Z) - MindfulDiary: Harnessing Large Language Model to Support Psychiatric
Patients' Journaling [16.929899228710852]
私たちはMindfulDiaryという,Large Language Model(LLM)を組み込んだモバイルジャーナリングアプリを紹介した。
その結果、MindfulDiaryは毎日の記録を継続的に充実させ、精神科医が自分の思考や日常の文脈を理解することで、患者に共感しやすくすることを支援した。
論文 参考訳(メタデータ) (2023-10-08T17:00:04Z) - 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) - 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) - Passive detection of behavioral shifts for suicide attempt prevention [0.0]
スマートフォンアプリから収集した非侵襲的データから精神科患者の行動変化を検出する非侵襲的機械学習モデルを提案する。
臨床検査の結果から,自殺未遂予防のための早期発見モバイルツールのアイデアが浮き彫りになった。
論文 参考訳(メタデータ) (2020-11-14T11:44:43Z) - Anxiety Detection Leveraging Mobile Passive Sensing [53.11661460916551]
不安障害は、子供と成人の両方に影響を及ぼす最も一般的な精神医学的問題である。
スマートフォンから受動的かつ控えめなデータ収集を活用することは、古典的な方法の代替となるかもしれない。
eWellnessは、個人デバイスのセンサとユーザログデータの完全な適合性を、連続的かつ受動的に追跡するために設計された、実験的なモバイルアプリケーションである。
論文 参考訳(メタデータ) (2020-08-09T20:22:52Z)
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。