論文の概要: MentalArena: Self-play Training of Language Models for Diagnosis and Treatment of Mental Health Disorders

• arxiv url: http://arxiv.org/abs/2410.06845v1
• Date: Wed, 9 Oct 2024 13:06:40 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-01 03:21:00.732832
• Title: MentalArena: Self-play Training of Language Models for Diagnosis and Treatment of Mental Health Disorders
• Title（参考訳）: MentalArena:メンタルヘルス障害の診断と治療のための言語モデルのセルフプレイトレーニング
• Authors: Cheng Li, May Fung, Qingyun Wang, Chi Han, Manling Li, Jindong Wang, Heng Ji,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 59.515827458631975
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Mental health disorders are one of the most serious diseases in the world. Most people with such a disease lack access to adequate care, which highlights the importance of training models for the diagnosis and treatment of mental health disorders. However, in the mental health domain, privacy concerns limit the accessibility of personalized treatment data, making it challenging to build powerful models. In this paper, we introduce MentalArena, a self-play framework to train language models by generating domain-specific personalized data, where we obtain a better model capable of making a personalized diagnosis and treatment (as a therapist) and providing information (as a patient). To accurately model human-like mental health patients, we devise Symptom Encoder, which simulates a real patient from both cognition and behavior perspectives. To address intent bias during patient-therapist interactions, we propose Symptom Decoder to compare diagnosed symptoms with encoded symptoms, and dynamically manage the dialogue between patient and therapist according to the identified deviations. We evaluated MentalArena against 6 benchmarks, including biomedicalQA and mental health tasks, compared to 6 advanced models. Our models, fine-tuned on both GPT-3.5 and Llama-3-8b, significantly outperform their counterparts, including GPT-4o. We hope that our work can inspire future research on personalized care. Code is available in https://github.com/Scarelette/MentalArena/tree/main
• Abstract（参考訳）: 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。 このような疾患を持つほとんどの人は適切なケアを受けることができず、精神疾患の診断と治療のためのトレーニングモデルの重要性を強調している。 しかし、メンタルヘルスの分野では、プライバシ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し、強力なモデルの構築を困難にしている。 本稿では、ドメイン固有のパーソナライズされたデータを生成して言語モデルを学習するためのセルフプレイフレームワークであるMentalArenaを紹介し、パーソナライズされた診断と治療(セラピストとして)を行い、情報を提供する(患者として)優れたモデルを得る。 ヒトのような精神保健患者を正確にモデル化するために,実際の患者を認知と行動の両方の観点からシミュレートする症状エンコーダを考案した。 患者とセラピストの相互作用における意図バイアスに対処するため,患者とセラピストの対話を識別偏差に応じて動的に管理するシンプレトム・デコーダを提案する。 バイオメディカルQAとメンタルヘルスタスクを含む6つのベンチマークに対して、MentalArenaを6つの高度なモデルと比較した。 我々のモデルは、GPT-3.5とLlama-3-8bの両方で微調整され、GPT-4oを含む他のモデルよりも大幅に優れています。 私たちの研究がパーソナライズされたケアに関する将来の研究を刺激することを期待しています。 コードはhttps://github.com/Scarelette/MentalArena/tree/mainで入手できる。

関連論文リスト

• MDD-5k: A New Diagnostic Conversation Dataset for Mental Disorders Synthesized via Neuro-Symbolic LLM Agents [25.987334407396396]
  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。
  論文  参考訳（メタデータ） (2024-08-22T05:59:47Z)
• Using LLMs to Aid Annotation and Collection of Clinically-Enriched Data in Bipolar Disorder and Schizophrenia [9.804382916824245]
  本稿では、メンタルヘルス研究の強化を目的としたシーケンシャル・ツー・シークエンス・タスクにおける現代言語モデルの応用について述べる。 そこで本研究では,小モデルにおいて,ドメイン固有の臨床変数のアノテーション,メンタルヘルス機器のデータ収集が可能であること,そして,より優れた商用大規模モデルの実現が期待できることを示す。
  論文  参考訳（メタデータ） (2024-06-18T15:00:24Z)
• WundtGPT: Shaping Large Language Models To Be An Empathetic, Proactive Psychologist [8.476124415001598]
  WundtGPTは共感的で活動的な精神保健大言語モデルである。 精神科医の診断を支援し、対面コミュニケーションに消極的な患者が自分の心理状態を理解するのを助けるように設計されている。
  論文  参考訳（メタデータ） (2024-06-16T16:06:38Z)
• 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)
• Empowering Psychotherapy with Large Language Models: Cognitive Distortion Detection through Diagnosis of Thought Prompting [82.64015366154884]
  本研究では,認知的歪み検出の課題について検討し,思考の早期発見(DoT)を提案する。 DoTは、事実と思考を分離するための主観的評価、思考と矛盾する推論プロセスを引き出すための対照的な推論、認知スキーマを要約するスキーマ分析という3つの段階を通して、患者のスピーチの診断を行う。 実験により、DoTは認知的歪み検出のためのChatGPTよりも大幅に改善され、一方で人間の専門家が承認した高品質な合理性を生成することが示された。
  論文  参考訳（メタデータ） (2023-10-11T02:47:21Z)
• 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)
• Emotion-based Modeling of Mental Disorders on Social Media [11.945854832533234]
  4人に1人は、ある時点で精神疾患に罹患する。 Reddit上での会話から受動的に精神障害を検出するモデルを提案する。
  論文  参考訳（メタデータ） (2022-01-24T04:41:02Z)
• MentalBERT: Publicly Available Pretrained Language Models for Mental Healthcare [29.14340469459733]
  精神障害の早期発見と社会的コンテンツからの自殺観念は、効果的な社会的介入の潜在的方法となる。 事前訓練された文脈言語表現の最近の進歩は、いくつかのドメイン固有の事前訓練されたモデルの開発を促進している。 本稿では、メンタルヘルス研究コミュニティにおける機械学習の恩恵を受けるために、トレーニング済みの言語モデルであるMentalBERTとMentalRoBERTaをトレーニング、リリースする。
  論文  参考訳（メタデータ） (2021-10-29T08:36:47Z)
• Learning Language and Multimodal Privacy-Preserving Markers of Mood from Mobile Data [74.60507696087966]
  精神状態は、先進医療に共通する国でも診断されていない。 人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。 本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
  論文  参考訳（メタデータ） (2021-06-24T17:46:03Z)
• 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。