論文の概要: Explaining GPTs' Schema of Depression: A Machine Behavior Analysis

• arxiv url: http://arxiv.org/abs/2411.13800v2
• Date: Tue, 07 Oct 2025 05:25:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-08 15:38:19.574249
• Title: Explaining GPTs' Schema of Depression: A Machine Behavior Analysis
• Title（参考訳）: GPTの抑うつスキーマを解説する:機械行動解析
• Authors: Adithya V Ganesan, Vasudha Varadarajan, Yash Kumar Lal, Veerle C. Eijsbroek, Katarina Kjell, Oscar N. E. Kjell, Tanuja Dhanasekaran, Elizabeth C. Stade, Johannes C. Eichstaedt, Ryan L. Boyd, H. Andrew Schwartz, Lucie Flek,
• Abstract要約: 言語モデルによる精神障害のスキーマについては,限定的な理解が得られています。 GPT-4 と GPT-5 がうつ症状とどのように相互に関連しているかを復号するために,同時代の測定理論を利用した。
• 参考スコア（独自算出の注目度）: 17.00942006304631
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Use of large language models such as ChatGPT (GPT-4/GPT-5) for mental health support has grown rapidly, emerging as a promising route to assess and help people with mood disorders like depression. However, we have a limited understanding of these language models' schema of mental disorders, that is, how they internally associate and interpret symptoms of such disorders. In this work, we leveraged contemporary measurement theory to decode how GPT-4 and GPT-5 interrelate depressive symptoms, providing an explanation of how LLMs apply what they learn and informing clinical applications. We found that GPT-4 (a) had strong convergent validity with standard instruments and expert judgments $(r = 0.70 - 0.81)$, and (b) behaviorally linked depression symptoms with each other (symptom inter-correlates $r = 0.23 - 0.78$) in accordance with established literature on depression; however, it (c) underemphasized the relationship between $\textit{suicidality}$ and other symptoms while overemphasizing $\textit{psychomotor symptoms}$; and (d) suggested novel hypotheses of symptom mechanisms, for instance, indicating that $\textit{sleep}$ and $\textit{fatigue}$ are broadly influenced by other depressive symptoms, while $\textit{worthlessness/guilt}$ is only tied to $\textit{depressed mood}$. GPT-5 showed a slightly lower convergence with self-report, a difference our machine-behavior analysis makes interpretable through shifts in symptom-symptom relationships. These insights provide an empirical foundation for understanding language models' mental health assessments and demonstrate a generalizable approach for explainability in other models and disorders. Our findings can guide key stakeholders to make informed decisions for effectively situating these technologies in the care system.
• Abstract（参考訳）: 精神保健支援のためのChatGPT(GPT-4/GPT-5)のような大きな言語モデルの使用は急速に増加しており、うつ病のような気分障害の患者を評価・支援するための有望なルートとして現れている。 しかし、これらの言語モデルによる精神疾患のスキーマ、すなわち、これらの疾患の症状を内部的に関連づけ、解釈する方法について、限定的な理解が得られている。 本研究では,現代計測理論を活用し,GPT-4 と GPT-5 がうつ病の症状をどう解釈するかを復号し,LLM の学習方法と臨床応用について解説した。 GPT-4が検出された。 (a)標準器と専門家の判定値$(r = 0.70 - 0.81)$、及び (b)うつ病の症状を相互に関連付ける症状(症状はうつ病に関する文献の定式化に応じて$r = 0.23 - 0.78$と相関するが、 (c)$\textit{suicidality}$と他の症状との関係を強調し,$\textit{psychomotor symptoms}$を過度に強調した。 d) 症状機構の新しい仮説を提案し、例えば$\textit{sleep}$と$\textit{fatigue}$は他のうつ症状の影響を広く受けており、$\textit{worthlessness/guilt}$は$\textit{depressed mood}$にのみ結びついている。 GPT-5は, 自己申告による収束がわずかに低く, 症状-症状関係の変化を通じて機械行動分析の違いが解釈可能となる。 これらの知見は、言語モデルのメンタルヘルスアセスメントを理解するための実証的な基盤を提供し、他のモデルや障害における説明可能性に対する一般的なアプローチを示す。 我々の発見は、これらの技術をケアシステムに効果的に配置する上で、重要なステークホルダーが情報的決定を下すためのガイドとなる。

関連論文リスト

• Investigating Large Language Models in Inferring Personality Traits from User Conversations [5.705775078773656]
  大規模言語モデル(LLM)は、多様なドメインにまたがる目覚ましい人間のような能力を示している。 本研究は, GPT-4o と GPT-4o mini が, ビッグファイブの性格特性を推測し, ユーザの会話から BFI-10 項目のスコアを生成できるかどうかを評価する。
  論文  参考訳（メタデータ） (2025-01-13T18:09:58Z)
• 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)
• Still Not Quite There! Evaluating Large Language Models for Comorbid Mental Health Diagnosis [9.738105623317601]
  我々は、ソーシャルメディア投稿からの抑うつ不安のコorbidity分類のための、新しいファースト・オブ・イットのベンチマークであるAN GSTを紹介する。 我々は、メンタル-BERT から GPT-4 まで、様々な最先端言語モデルを用いてAN GSTをベンチマークする。 GPT-4は一般に他のモデルより優れているが、F1スコアが72%を超えるようなマルチクラスのコンコービッド分類は達成していない。
  論文  参考訳（メタデータ） (2024-10-04T20:24:11Z)
• Predicting Depression and Anxiety: A Multi-Layer Perceptron for Analyzing the Mental Health Impact of COVID-19 [1.9809980686152868]
  新型コロナウイルスのパンデミックに伴うメンタルヘルスの傾向を予測するため,多層パーセプトロン(MLP)であるCoDAPを導入した。 本手法は、米国成人の多様なコホートにおいて、最初の新型コロナウイルス波(2020年4月から6月)の間に、週10週間にわたってメンタルヘルスの症状を追跡した包括的データセットを用いている。 このモデルは、パンデミック中の不安や抑うつのパターンを予測するだけでなく、人口統計要因、行動の変化、および精神健康の社会的決定要因の相互作用に関する重要な洞察も明らかにしている。
  論文  参考訳（メタデータ） (2024-03-09T22:49:04Z)
• Computational Analysis of Stress, Depression and Engagement in Mental Health: A Survey [62.31381724639944]
  ストレスと抑うつは相互に関連し、共に日々のタスクにおけるエンゲージメントに影響を与える。 この調査は、ストレス、抑うつ、エンゲージメントを分析する計算手法を同時に探求した最初のものである。
  論文  参考訳（メタデータ） (2024-03-09T11:16:09Z)
• MASON-NLP at eRisk 2023: Deep Learning-Based Detection of Depression Symptoms from Social Media Texts [0.0]
  うつ病は精神疾患であり、人々の生活に大きな影響を及ぼす。 最近の研究は、うつ病の兆候が個人のコミュニケーションの仕方で検出できることを示唆している。 ソーシャルメディア投稿は、うつ病の症状を調べるためのリッチで便利なテキストソースです。
  論文  参考訳（メタデータ） (2023-10-17T02:34:34Z)
• A Study on the Performance of Generative Pre-trained Transformer (GPT) in Simulating Depressed Individuals on the Standardized Depressive Symptom Scale [1.764742340693894]
  うつ病は社会的・経済的負担を伴う一般的な精神疾患である。 3つのうつ関連評価ツール(HAMD-17, SDS, GDS-15)が用いられた。 2つの実験は、正常な人やうつ病患者に対するGPT反応をシミュレートした。
  論文  参考訳（メタデータ） (2023-07-17T15:44:13Z)
• The Relationship Between Speech Features Changes When You Get Depressed: Feature Correlations for Improving Speed and Performance of Depression Detection [69.88072583383085]
  この研究は、抑うつが音声から抽出した特徴間の相関を変化させることを示す。 このような洞察を用いることで、SVMとLSTMに基づく抑うつ検出器のトレーニング速度と性能を向上させることができる。
  論文  参考訳（メタデータ） (2023-07-06T09:54:35Z)
• Depression detection in social media posts using affective and social norm features [84.12658971655253]
  ソーシャルメディア投稿からの抑うつ検出のための奥深いアーキテクチャを提案する。 我々は、後期融合方式を用いて、ポストとワードの敬称と道徳的特徴をアーキテクチャに組み込んだ。 提案された機能を含めると、両方の設定で最先端の結果が得られます。
  論文  参考訳（メタデータ） (2023-03-24T21:26:27Z)
• 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)
• Semantic Similarity Models for Depression Severity Estimation [53.72188878602294]
  本稿では、ソーシャルメディアの文章に基づいて、個人のうつ病の重症度を研究するための効率的なセマンティックパイプラインを提案する。 我々は,抑うつ症状と重度レベルに対応する代表訓練文の指標に対して意味的ランキングを生成するために,テストユーザ文を使用する。 本手法を2つのRedditベースのベンチマークで評価し,うつ病の重症度を指標として,最先端技術よりも30%改善した。
  論文  参考訳（メタデータ） (2022-11-14T18:47:26Z)
• Deep Multi-task Learning for Depression Detection and Prediction in Longitudinal Data [50.02223091927777]
  うつ病は最も多い精神疾患の1つであり、世界中の年齢の何百万人もの人々に影響を与えている。 機械学習技術は、早期介入と治療のためのうつ病の自動検出と予測を可能にしている。 本稿では、この課題に対処するために、2つの補助的タスクでうつ病分類を共同最適化する、新しいディープマルチタスクリカレントニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2020-12-05T05:14:14Z)
• Examining the Role of Mood Patterns in Predicting Self-Reported Depressive symptoms [4.564132389935269]
  うつ病は世界中で障害の主な原因である。 ソーシャルメディア投稿からうつ病信号を検出する最初の試みは、有望な結果を示している。 本研究では,ソーシャルメディア利用者を対象とした「ムードプロファイル」を構築し,うつ病の症状を検出するための現在の技術を強化することを試みる。
  論文  参考訳（メタデータ） (2020-06-14T12:48:43Z)

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。