論文の概要: AutoPsyC: Automatic Recognition of Psychodynamic Conflicts from Semi-structured Interviews with Large Language Models
- arxiv url: http://arxiv.org/abs/2503.21911v1
- Date: Thu, 27 Mar 2025 18:41:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-31 19:09:59.453997
- Title: AutoPsyC: Automatic Recognition of Psychodynamic Conflicts from Semi-structured Interviews with Large Language Models
- Title（参考訳）: AutoPsyC:大規模言語モデルを用いた半構造化インタビューからの心理的衝突の自動認識
- Authors: Sayed Muddashir Hossain, Simon Ostermann, Patrick Gebhard, Cord Benecke, Josef van Genabith, Philipp Müller,
- Abstract要約: 心理的衝突は永続的で、しばしば人の行動や経験を形作る無意識のテーマである。
既存の精神医学診断の自動化ソリューションは、幅広い障害カテゴリーの認識に焦点を当てる傾向がある。
本稿では,精神力学的対立の存在と意義を認識するための最初の方法であるAutoPsyCを提案する。
- 参考スコア（独自算出の注目度）: 13.619243319107596
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Psychodynamic conflicts are persistent, often unconscious themes that shape a person's behaviour and experiences. Accurate diagnosis of psychodynamic conflicts is crucial for effective patient treatment and is commonly done via long, manually scored semi-structured interviews. Existing automated solutions for psychiatric diagnosis tend to focus on the recognition of broad disorder categories such as depression, and it is unclear to what extent psychodynamic conflicts which even the patient themselves may not have conscious access to could be automatically recognised from conversation. In this paper, we propose AutoPsyC, the first method for recognising the presence and significance of psychodynamic conflicts from full-length Operationalized Psychodynamic Diagnostics (OPD) interviews using Large Language Models (LLMs). Our approach combines recent advances in parameter-efficient fine-tuning and Retrieval-Augmented Generation (RAG) with a summarisation strategy to effectively process entire 90 minute long conversations. In evaluations on a dataset of 141 diagnostic interviews we show that AutoPsyC consistently outperforms all baselines and ablation conditions on the recognition of four highly relevant psychodynamic conflicts.
- Abstract（参考訳）: 心理的衝突は永続的で、しばしば人の行動や経験を形作る無意識のテーマである。
サイコダイナミックコンフリクトの正確な診断は、効果的な患者治療に不可欠であり、通常は、手動による半構造化インタビューを通じて行われる。
既存の精神医学的診断のための自動解法はうつ病などの広範な障害カテゴリーの認識に焦点をあてる傾向にあり、患者自身が意識的にアクセスできない精神力学的対立が、会話から自動的に認識されるかどうかは不明である。
本稿では,Large Language Models (LLMs) を用いたOPD (Operationalized Psychodynamic Diagnostics) インタビューから, 心的コンフリクトの存在と意義を認識するための最初の手法である AutoPsyC を提案する。
提案手法は,パラメータ効率の良い微調整と検索型拡張生成(RAG)の最近の進歩と,90分間の会話全体を効果的に処理するための要約戦略を組み合わせたものである。
診断面接141件のデータセットを用いて評価したところ,AutoPsyCは4つの非常に関連性の高い精神力障害の認識において,すべてのベースラインとアブレーション条件を一貫して上回っていることがわかった。
関連論文リスト
- MAGI: Multi-Agent Guided Interview for Psychiatric Assessment [50.6150986786028]
我々は,ゴールドスタンダードのMini International Neuropsychiatric Interview(MINI)を自動計算ナビゲーションに変換する最初のフレームワークであるMAGIを紹介する。
臨床検査法, 会話適応性, 説明可能な推論を併用することにより, MAGI は LLM 支援型メンタルヘルスアセスメントを推し進めることを示す。
論文 参考訳（メタデータ） (2025-04-25T11:08:27Z) - PsyCounAssist: A Full-Cycle AI-Powered Psychological Counseling Assistant System [6.868956036918275]
PsyCounAssistは、心理学的カウンセリングの実践を強化するために特別に設計された、包括的なAIによるカウンセリングシステムである。
マルチモーダル感情認識、自動構造化セッションレポート、パーソナライズされたAI生成フォローアップサポートを統合する。
Androidベースのタブレットデバイスにデプロイされたこのシステムは、現実のカウンセリングシナリオにおける実用性と柔軟性を実証する。
論文 参考訳（メタデータ） (2025-04-23T09:49:05Z) - Dialogue is Better Than Monologue: Instructing Medical LLMs via Strategical Conversations [74.83732294523402]
実世界の診断シナリオをシミュレートし,USMLE標準に適合するノイズと難易度を統合する新しいベンチマークを導入する。
また、対話に基づく微調整についても検討し、静的データセットを会話形式に変換し、反復的推論プロセスをよりよく捉える。
実験の結果、対話調整されたモデルは従来の手法よりも優れており、マルチラウンド推論のシナリオでは9.64%、ノイズの多い環境では6.18%の精度で改善されている。
論文 参考訳（メタデータ） (2025-01-29T18:58:48Z) - AutoCBT: An Autonomous Multi-agent Framework for Cognitive Behavioral Therapy in Psychological Counseling [57.054489290192535]
伝統的な個人の心理カウンセリングは主にニッチであり、心理学的な問題を持つ個人によって選択されることが多い。
オンラインの自動カウンセリングは、恥の感情によって助けを求めることをためらう人たちに潜在的な解決策を提供する。
論文 参考訳（メタデータ） (2025-01-16T09:57:12Z) - Detecting Neurocognitive Disorders through Analyses of Topic Evolution and Cross-modal Consistency in Visual-Stimulated Narratives [84.03001845263]
神経認知障害(NCD)の早期発見は、時間的介入と疾患管理に不可欠である。
伝統的な物語分析は、しばしば単語の使用法や構文など、ミクロ構造における局所的な指標に焦点を当てる。
本稿では,話題の変化,時間的ダイナミクス,物語の時間的コヒーレンスを分析することによって,特定の認知的・言語的課題を解明することを提案する。
論文 参考訳（メタデータ） (2025-01-07T12:16:26Z) - 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) - Chain-of-Interaction: Enhancing Large Language Models for Psychiatric Behavior Understanding by Dyadic Contexts [4.403408362362806]
本稿では,対話型対話による精神科的意思決定支援のための大規模言語モデルを文脈化するための,対話型連鎖促進手法を提案する。
このアプローチにより、大規模言語モデルでは、患者の行動コーディングのためのコーディングスキーム、患者の状態、およびドメイン知識を活用することができる。
論文 参考訳（メタデータ） (2024-03-20T17:47:49Z) - Enhancing Depression-Diagnosis-Oriented Chat with Psychological State Tracking [27.96718892323191]
Depression-diagnosis-oriented chatは、自己表現の患者を誘導し、うつ病検出の主要な症状を収集することを目的としている。
最近の研究は、面接に基づくうつ病の診断をシミュレートするために、タスク指向対話とchitchatを組み合わせることに焦点を当てている。
対話をガイドするための明確なフレームワークは検討されていない。
論文 参考訳（メタデータ） (2024-03-12T07:17:01Z) - COMPASS: Computational Mapping of Patient-Therapist Alliance Strategies with Language Modeling [14.04866656172336]
治療作業同盟は精神療法の成功の重要な予測要因である。
本稿では,心理療法セッションで使用される自然言語から治療作業アライアンスを推定するための新しい枠組みを提案する。
論文 参考訳（メタデータ） (2024-02-22T16:56:44Z) - 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) - Towards Mitigating Hallucination in Large Language Models via
Self-Reflection [63.2543947174318]
大規模言語モデル(LLM)は、質問応答(QA)タスクを含む生成的および知識集約的なタスクを約束している。
本稿では,広範に採用されているLCMとデータセットを用いた医療再生QAシステムにおける幻覚現象を解析する。
論文 参考訳（メタデータ） (2023-10-10T03:05:44Z)
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。