論文の概要: MDD-LLM: Towards Accuracy Large Language Models for Major Depressive Disorder Diagnosis

• arxiv url: http://arxiv.org/abs/2505.00032v1
• Date: Mon, 28 Apr 2025 08:53:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:55.110101
• Title: MDD-LLM: Towards Accuracy Large Language Models for Major Depressive Disorder Diagnosis
• Title（参考訳）: MDD-LLM:大うつ病診断のための高精度大言語モデルを目指して
• Authors: Yuyang Sha, Hongxin Pan, Wei Xu, Weiyu Meng, Gang Luo, Xinyu Du, Xiaobing Zhai, Henry H. Y. Tong, Caijuan Shi, Kefeng Li,
• Abstract要約: 大うつ病(MDD)は世界中で3億人以上に影響し、公衆衛生上の重大な問題となっている。 本稿では,MDD診断における課題に対処するために,細調整された大規模言語モデル(LLM)と広範囲な実世界のサンプルを利用するAI駆動型フレームワークであるMDD-LLMを提案する。
• 参考スコア（独自算出の注目度）: 6.678959700861993
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Major depressive disorder (MDD) impacts more than 300 million people worldwide, highlighting a significant public health issue. However, the uneven distribution of medical resources and the complexity of diagnostic methods have resulted in inadequate attention to this disorder in numerous countries and regions. This paper introduces a high-performance MDD diagnosis tool named MDD-LLM, an AI-driven framework that utilizes fine-tuned large language models (LLMs) and extensive real-world samples to tackle challenges in MDD diagnosis. Therefore, we select 274,348 individual information from the UK Biobank cohort to train and evaluate the proposed method. Specifically, we select 274,348 individual records from the UK Biobank cohort and design a tabular data transformation method to create a large corpus for training and evaluating the proposed approach. To illustrate the advantages of MDD-LLM, we perform comprehensive experiments and provide several comparative analyses against existing model-based solutions across multiple evaluation metrics. Experimental results show that MDD-LLM (70B) achieves an accuracy of 0.8378 and an AUC of 0.8919 (95% CI: 0.8799 - 0.9040), significantly outperforming existing machine learning and deep learning frameworks for MDD diagnosis. Given the limited exploration of LLMs in MDD diagnosis, we examine numerous factors that may influence the performance of our proposed method, such as tabular data transformation techniques and different fine-tuning strategies.
• Abstract（参考訳）: 大うつ病(MDD)は世界中で3億人以上に影響し、公衆衛生上の重大な問題となっている。 しかし、医療資源の不均一な分布と診断方法の複雑さは、多くの国や地域でこの障害に不適切な注意を払っている。 本稿では,MDD診断における課題に対処するために,細調整された大規模言語モデル(LLM)と広範囲な実世界のサンプルを利用するAI駆動型フレームワークであるMDD-LLMを提案する。 そこで,英国バイオバンクコホートから274,348人の個人情報を抽出し,提案手法の訓練と評価を行った。 具体的には、英国バイオバンクコホートから274,348個の個人記録を選択し、提案手法のトレーニングと評価のための大規模コーパスを作成するための表型データ変換法を設計する。 MDD-LLMの利点を説明するため、我々は総合的な実験を行い、複数の評価指標にまたがる既存のモデルベースソリューションとの比較分析を行った。 MDD-LLM (70B) の精度は 0.8378 であり、AUC は 0.8919 (95% CI: 0.8799 - 0.9040) である。 MDD診断におけるLCMの探索が限定されていることを踏まえ,本手法の性能に影響を及ぼす可能性のある要因について検討した。

関連論文リスト

• Uncertainty-aware abstention in medical diagnosis based on medical texts [87.88110503208016]
  本研究は,AI支援医療診断における信頼性の重要課題について論じる。 本研究は,診断に自信がなければ,診断システムによる意思決定の回避を可能にする選択予測手法に焦点をあてる。 我々は、選択予測タスクにおける信頼性を高めるための新しい最先端手法であるHUQ-2を紹介する。
  論文  参考訳（メタデータ） (2025-02-25T10:15:21Z)
• MMed-RAG: Versatile Multimodal RAG System for Medical Vision Language Models [49.765466293296186]
  近年,Med-LVLM (Med-LVLMs) の進歩により,対話型診断ツールの新たな可能性が高まっている。 Med-LVLMは、しばしば事実の幻覚に悩まされ、誤った診断につながることがある。 我々は,Med-LVLMの現実性を高めるために,多目的マルチモーダルRAGシステムMMed-RAGを提案する。
  論文  参考訳（メタデータ） (2024-10-16T23:03:27Z)
• Towards a clinically accessible radiology foundation model: open-access and lightweight, with automated evaluation [113.5002649181103]
  オープンソースの小型マルチモーダルモデル(SMM)を訓練し、放射線学における未測定臨床ニーズに対する能力ギャップを埋める。 トレーニングのために,697万以上の画像テキストペアからなる大規模なデータセットを組み立てる。 評価のために,GPT-4に基づく実測値CheXpromptを提案する。 LlaVA-Radの推論は高速で、単一のV100 GPU上でプライベート設定で実行できる。
  論文  参考訳（メタデータ） (2024-03-12T18:12:02Z)
• XAI for In-hospital Mortality Prediction via Multimodal ICU Data [57.73357047856416]
  マルチモーダルICUデータを用いて病院内死亡率を予測するための,効率的で説明可能なAIソリューションを提案する。 我々は,臨床データから異種入力を受信し,意思決定を行うマルチモーダル・ラーニングを我々のフレームワークに導入する。 我々の枠組みは、医療研究において重要な要素の発見を容易にする他の臨床課題に容易に移行することができる。
  論文  参考訳（メタデータ） (2023-12-29T14:28:04Z)
• Classification of Major Depressive Disorder Using Vertex-Wise Brain Sulcal Depth, Curvature, and Thickness with a Deep and a Shallow Learning Model [2.3377726166601693]
  大うつ病 (Major depressive disorder, MDD) は、世界中の数億の個人に影響を及ぼす複雑な精神疾患である。 ディープラーニングツールのニューロイメージングデータへの応用は、MDDの診断および予測バイオマーカーを提供する可能性がある。 MDD患者と健康管理 (HC) を線形機械学習による分節的大脳皮質の特徴に基づいて解離させる試みは, 精度が低いことが報告されている。
  論文  参考訳（メタデータ） (2023-11-18T11:46:25Z)
• An Intelligent Decision Support Ensemble Voting Model for Coronary Artery Disease Prediction in Smart Healthcare Monitoring Environments [0.0]
  冠動脈疾患 (CAD) は、世界で最も一般的な心臓疾患の1つである。 機械学習(ML)アルゴリズムに基づくe-diagnosisツールは、スマートヘルスケア監視システムで使用することができる。
  論文  参考訳（メタデータ） (2022-10-25T21:09:34Z)
• Detecting the Severity of Major Depressive Disorder from Speech: A Novel HARD-Training Methodology [8.832823703632073]
  メジャー・うつ病(Major Depressive Disorder、MDD)は、社会経済的コストの高い世界的メンタルヘルス問題である。 したがって、MDDの予測と自動検出は社会に大きな影響を与える可能性がある。 RADAR-MDDは、音声やその他のデジタルバイオマーカーを収集する観察コホート研究である。
  論文  参考訳（メタデータ） (2022-06-02T13:26:03Z)
• Federated Learning Enables Big Data for Rare Cancer Boundary Detection [98.5549882883963]
  6大陸にわたる71の医療機関のデータを含む,これまでで最大のフェデレーテッドML研究の結果を報告する。 グリオ芽腫の稀な疾患に対する腫瘍境界自動検出装置を作製した。 当科では, 外科的に標的とした腫瘍の悪性度を高めるために, 33%の改善率を示し, 腫瘍全体に対する23%の改善率を示した。
  論文  参考訳（メタデータ） (2022-04-22T17:27:00Z)
• MMLN: Leveraging Domain Knowledge for Multimodal Diagnosis [10.133715767542386]
  肺疾患診断のための知識駆動型およびデータ駆動型フレームワークを提案する。 本研究は, 臨床医学ガイドラインに従って診断規則を定式化し, テキストデータから規則の重みを学習する。 テキストと画像データからなるマルチモーダル融合は、肺疾患の限界確率を推定するために設計されている。
  論文  参考訳（メタデータ） (2022-02-09T04:12:30Z)
• Lung Cancer Diagnosis Using Deep Attention Based on Multiple Instance Learning and Radiomics [13.028105771052376]
  肺癌の診断をmil(multiple instance learning)問題として扱うことで,臨床における診断過程をよりよく反映する。 分類アルゴリズムとして、放射能を入力特徴の源と深い注意に基づくMILを選択しました。 その結果,平均(SEM)が0.069の標準誤差,0.870(SEM 0.061)のリコール,0.928(SEM 0.078)の正の予測値,0.591(SEM 0.155)の負の予測値,0.842(AUC)の曲線下領域で0.807の平均精度が得られた。
  論文  参考訳（メタデータ） (2021-04-29T21:04:02Z)
• Predicting Clinical Diagnosis from Patients Electronic Health Records Using BERT-based Neural Networks [62.9447303059342]
  医療コミュニティにおけるこの問題の重要性を示す。 本稿では,変換器 (BERT) モデルによる2方向表現の分類順序の変更について述べる。 約400万人のユニークな患者訪問からなる、大規模なロシアのEHRデータセットを使用します。
  論文  参考訳（メタデータ） (2020-07-15T09:22:55Z)

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。