論文の概要: Large Language Models for Interpretable Mental Health Diagnosis

• arxiv url: http://arxiv.org/abs/2501.07653v1
• Date: Mon, 13 Jan 2025 19:26:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-15 13:28:38.152529
• Title: Large Language Models for Interpretable Mental Health Diagnosis
• Title（参考訳）: メンタルヘルス診断のための大規模言語モデル
• Authors: Brian Hyeongseok Kim, Chao Wang,
• Abstract要約: 大規模言語モデル(LLM)と制約論理プログラミング(CLP)の強みを組み合わせた精神保健診断のための臨床意思決定支援システム(CDSS)を提案する。 我々のCDSSは、LCMを用いて診断マニュアルを論理プログラムに翻訳し、既製のCLPエンジンを用いて患者の診断を問い合わせるソフトウェアツールである。
• 参考スコア（独自算出の注目度）: 2.885094643456156
• License:
• Abstract: We propose a clinical decision support system (CDSS) for mental health diagnosis that combines the strengths of large language models (LLMs) and constraint logic programming (CLP). Having a CDSS is important because of the high complexity of diagnostic manuals used by mental health professionals and the danger of diagnostic errors. Our CDSS is a software tool that uses an LLM to translate diagnostic manuals to a logic program and solves the program using an off-the-shelf CLP engine to query a patient's diagnosis based on the encoded rules and provided data. By giving domain experts the opportunity to inspect the LLM-generated logic program, and making modifications when needed, our CDSS ensures that the diagnosis is not only accurate but also interpretable. We experimentally compare it with two baseline approaches of using LLMs: diagnosing patients using the LLM-only approach, and using the LLM-generated logic program but without expert inspection. The results show that, while LLMs are extremely useful in generating candidate logic programs, these programs still require expert inspection and modification to guarantee faithfulness to the official diagnostic manuals. Additionally, ethical concerns arise from the direct use of patient data in LLMs, underscoring the need for a safer hybrid approach like our proposed method.
• Abstract（参考訳）: 本稿では,大規模言語モデル(LLM)と制約論理プログラミング(CLP)の強みを組み合わせた精神保健診断のための臨床意思決定支援システム(CDSS)を提案する。 精神保健専門家が使用する診断マニュアルの複雑さと診断ミスの危険性のため、CDSSを持つことが重要である。 我々のCDSSは、LCMを用いて診断マニュアルを論理プログラムに翻訳し、市販のCLPエンジンを用いて、符号化されたルールと提供されたデータに基づいて患者の診断を問い合わせるプログラムを解決するソフトウェアツールである。 ドメインの専門家にLLM生成ロジックプログラムを検査する機会を与え、必要に応じて修正を行うことで、CDSSは診断が正確であるだけでなく、解釈可能であることを保証します。 LLM のみを用いた患者診断と LLM 生成論理プログラムによる患者診断の2つの基礎的アプローチとを実験的に比較した。 その結果、LSMは候補論理プログラムを生成するのに非常に有用であるが、これらのプログラムは公式診断マニュアルへの忠実性を保証するために、専門家の検査と修正が必要であることがわかった。 さらに,LLMにおける患者データの直接使用から倫理的懸念が生じ,提案手法のようなより安全なハイブリッドアプローチの必要性が強調された。

関連論文リスト

• Demystifying Large Language Models for Medicine: A Primer [50.83806796466396]
  大規模言語モデル(LLM)は、医療のさまざまな側面に革命をもたらすことのできる、変革的なAIツールのクラスである。 本チュートリアルは、LSMを臨床実践に効果的に統合するために必要なツールを医療専門家に提供することを目的としている。
  論文  参考訳（メタデータ） (2024-10-24T15:41:56Z)
• Studying and Benchmarking Large Language Models For Log Level Suggestion [49.176736212364496]
  大規模言語モデル(LLM)は、様々な領域で研究の焦点となっている。 本稿では,12個のオープンソースLCMのログレベル提案における性能に及ぼす特性と学習パラダイムの影響について検討する。
  論文  参考訳（メタデータ） (2024-10-11T03:52:17Z)
• Diagnostic Reasoning in Natural Language: Computational Model and Application [68.47402386668846]
  言語基底タスク(NL-DAR)の文脈における診断誘導推論(DAR)について検討する。 パール構造因果モデルに基づくNL-DARの新しいモデリングフレームワークを提案する。 得られたデータセットを用いて,NL-DARにおける人間の意思決定過程を解析する。
  論文  参考訳（メタデータ） (2024-09-09T06:55:37Z)
• RuleAlign: Making Large Language Models Better Physicians with Diagnostic Rule Alignment [54.91736546490813]
  本稿では,大規模言語モデルと特定の診断規則との整合性を考慮したルールアラインフレームワークを提案する。 患者と医師間の規則に基づくコミュニケーションを含む医療対話データセットを開発した。 実験の結果,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2024-08-22T17:44:40Z)
• Automating PTSD Diagnostics in Clinical Interviews: Leveraging Large Language Models for Trauma Assessments [7.219693607724636]
  我々は、ワークフローにカスタマイズされた大言語モデル(LLM)を統合することで、この不足に対処することを目指している。 臨床医が担当する診断面接411件を収集し,高品質なデータを得るための新しいアプローチを考案した。 インタビュー内容に基づいたPTSD診断評価を自動化するための総合的なフレームワークを構築した。
  論文  参考訳（メタデータ） (2024-05-18T05:04:18Z)
• Conversational Disease Diagnosis via External Planner-Controlled Large Language Models [18.93345199841588]
  本研究は,医師のエミュレートによる計画能力の向上を目的としたLCMに基づく診断システムを提案する。 実際の患者電子カルテデータを利用して,仮想患者と医師とのシミュレーション対話を構築した。
  論文  参考訳（メタデータ） (2024-04-04T06:16:35Z)
• Combining Insights From Multiple Large Language Models Improves Diagnostic Accuracy [0.0]
  大きな言語モデル (LLM) は診断支援ツールとして提案されるか、あるいは "curbside consults" の代替として言及される。 個別の商業用LDMを問うことで得られた差分診断の精度を,同一LCMの組み合わせからの応答を集約して合成した差分診断の精度と比較した。
  論文  参考訳（メタデータ） (2024-02-13T21:24:21Z)
• Surpassing GPT-4 Medical Coding with a Two-Stage Approach [1.7014913888753238]
  GPT-4 LLMは、医療コーディングタスクのICD符号の過剰な数を予測する。 LLM-codexは,まずエビデンス提案を発生させ,LSTMに基づく検証段階を用いる2段階のICD符号予測手法である。 我々のモデルは、医学的コーディングの精度、稀な符号の精度、文章レベルの証拠の特定を同時に達成する唯一の方法である。
  論文  参考訳（メタデータ） (2023-11-22T23:35:13Z)
• 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)
• Diagnostic Reasoning Prompts Reveal the Potential for Large Language Model Interpretability in Medicine [4.773117448586697]
  そこで我々は,大言語モデル(LLM)が臨床推論を実行し,正確な診断を行うことができるかどうかを,新たな診断推論プロンプトを開発した。 GPT4は診断精度を犠牲にすることなく臨床医の一般的な臨床推論過程を模倣することができる。
  論文  参考訳（メタデータ） (2023-08-13T19:04:07Z)
• Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
  臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。 本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-01-27T13:16:51Z)

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。