論文の概要: AI Models for Depressive Disorder Detection and Diagnosis: A Review

• arxiv url: http://arxiv.org/abs/2508.12022v1
• Date: Sat, 16 Aug 2025 11:46:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-19 14:49:10.516494
• Title: AI Models for Depressive Disorder Detection and Diagnosis: A Review
• Title（参考訳）: うつ病の診断・診断のためのAIモデル
• Authors: Dorsa Macky Aleagha, Payam Zohari, Mostafa Haghir Chehreghani,
• Abstract要約: うつ病性障害は世界中で障害の原因の1つとなっているが、診断は主観的臨床評価に大きく依存している。 本稿では,55の鍵研究の体系的レビューに基づいて,最先端のAI手法の発見と診断に関する包括的調査を行う。
• 参考スコア（独自算出の注目度）: 0.9012198585960441
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Major Depressive Disorder is one of the leading causes of disability worldwide, yet its diagnosis still depends largely on subjective clinical assessments. Integrating Artificial Intelligence (AI) holds promise for developing objective, scalable, and timely diagnostic tools. In this paper, we present a comprehensive survey of state-of-the-art AI methods for depression detection and diagnosis, based on a systematic review of 55 key studies. We introduce a novel hierarchical taxonomy that structures the field by primary clinical task (diagnosis vs. prediction), data modality (text, speech, neuroimaging, multimodal), and computational model class (e.g., graph neural networks, large language models, hybrid approaches). Our in-depth analysis reveals three major trends: the predominance of graph neural networks for modeling brain connectivity, the rise of large language models for linguistic and conversational data, and an emerging focus on multimodal fusion, explainability, and algorithmic fairness. Alongside methodological insights, we provide an overview of prominent public datasets and standard evaluation metrics as a practical guide for researchers. By synthesizing current advances and highlighting open challenges, this survey offers a comprehensive roadmap for future innovation in computational psychiatry.
• Abstract（参考訳）: うつ病性障害は世界中で障害の原因の1つとなっているが、診断は主観的臨床評価に大きく依存している。 人工知能(AI)の統合は、客観的でスケーラブルでタイムリーな診断ツールの開発を約束する。 本稿では,55のキー研究の体系的レビューに基づいて,うつ病の検出と診断のための最先端AI手法の総合的な調査を行う。 本稿では,一次臨床課題(診断対予測),データモダリティ(テキスト,音声,ニューロイメージング,マルチモーダル),計算モデルクラス(グラフニューラルネットワーク,大規模言語モデル,ハイブリッドアプローチ)によってフィールドを構造化する新しい階層型分類法を提案する。 我々の詳細な分析では、脳の接続をモデル化するためのグラフニューラルネットワークの優位性、言語および会話データのための大規模言語モデルの台頭、マルチモーダル融合、説明可能性、アルゴリズムフェアネスに新たな焦点をあてることの3つの主要な傾向が明らかになっている。 方法論的知見とともに、研究者のための実践的ガイドとして、著名な公開データセットの概要と標準評価指標を提供する。 現在の進歩を合成し、オープンな課題を強調することで、この調査は計算精神医学における将来のイノベーションのための包括的なロードマップを提供する。

関連論文リスト

• A Comprehensive Review of Datasets for Clinical Mental Health AI Systems [55.67299586253951]
  本稿では,AIを活用した臨床アシスタントの訓練・開発に関連する臨床精神保健データセットの総合的調査を行う。 本調査では, 縦断データの欠如, 文化・言語表現の制限, 一貫性のない収集・注釈基準, 合成データのモダリティの欠如など, 重要なギャップを明らかにした。
  論文  参考訳（メタデータ） (2025-08-13T13:42:35Z)
• From large language models to multimodal AI: A scoping review on the potential of generative AI in medicine [40.23383597339471]
  マルチモーダルAIは、イメージング、テキスト、構造化データを含む多様なデータモダリティを単一のモデルに統合することができる。 このスコーピングレビューは、マルチモーダルAIの進化を探求し、その方法、アプリケーション、データセット、臨床環境での評価を強調している。 診断支援,医療報告生成,薬物発見,会話型AIの革新を推進し,一過性のアプローチからマルチモーダルアプローチへのシフトを示唆した。
  論文  参考訳（メタデータ） (2025-02-13T11:57:51Z)
• A Review of Deep Learning Approaches for Non-Invasive Cognitive Impairment Detection [35.31259047578382]
  本稿では,非侵襲的認知障害検出のためのディープラーニング手法の最近の進歩を概説する。 音声や言語,顔,運動運動など,認知低下の非侵襲的指標について検討した。 著しい進歩にもかかわらず、データ標準化とアクセシビリティ、モデル説明可能性、縦断解析の限界、臨床適応などいくつかの課題が残っている。
  論文  参考訳（メタデータ） (2024-10-25T17:44:59Z)
• A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
  神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。 重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。 人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
  論文  参考訳（メタデータ） (2024-05-21T06:44:40Z)
• Deep Learning and Computer Vision for Glaucoma Detection: A Review [0.8379286663107844]
  緑内障は世界中で不可逆的な盲目の原因となっている。 コンピュータビジョンとディープラーニングの最近の進歩は、自動評価の可能性を示している。 眼底,光コヒーレンス断層撮影,視野画像を用いたAIによる緑内障の診断に関する最近の研究について調査した。
  論文  参考訳（メタデータ） (2023-07-31T09:49:51Z)
• A Simple and Flexible Modeling for Mental Disorder Detection by Learning from Clinical Questionnaires [0.2580765958706853]
  そこで本研究では,テキストから直接意味を抽出し,症状に関連する記述と比較する手法を提案する。 詳細な分析により,提案モデルがドメイン知識の活用,他の精神疾患への伝達,解釈可能な検出結果の提供に有効であることが示唆された。
  論文  参考訳（メタデータ） (2023-06-05T15:23:55Z)
• Promises and pitfalls of deep neural networks in neuroimaging-based psychiatric research [0.9449650062296824]
  ディープニューラルネットワーク、特に畳み込みニューラルネットワークは、医療画像の強力なツールへと進化してきた。 ここでは、まず、方法論的鍵概念と結果の方法論的約束について紹介する。 神経画像に基づく精神医学研究における最近の応用を振り返り、現在の課題について論じる。
  論文  参考訳（メタデータ） (2023-01-20T12:05:59Z)

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。