論文の概要: Feasibility of Structuring Stress Documentation Using an Ontology-Guided Large Language Model

• arxiv url: http://arxiv.org/abs/2510.01244v1
• Date: Wed, 24 Sep 2025 04:10:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 16:59:20.748002
• Title: Feasibility of Structuring Stress Documentation Using an Ontology-Guided Large Language Model
• Title（参考訳）: オントロジー誘導大言語モデルを用いたストレスドキュメンテーションの可能性
• Authors: Hyeoneui Kim, Jeongha Kim, Huijing Xu, Jinsun Jung, Sunghoon Kang, Sun Joo Jang,
• Abstract要約: Ontology Pitfall Scanner! を用いたメンタルストレスオントロジー(MeSO)の開発と専門家による検証 オントロジー誘導大言語モデル(LLM)は、物語テキストからストレス関連情報を抽出するために用いられる。
• 参考スコア（独自算出の注目度）: 3.8263736099055823
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Stress, arising from the dynamic interaction between external stressors, individual appraisals, and physiological or psychological responses, significantly impacts health yet is often underreported and inconsistently documented, typically captured as unstructured free-text in electronic health records. Ambient AI technologies offer promise in reducing documentation burden, but predominantly generate unstructured narratives, limiting downstream clinical utility. This study aimed to develop an ontology for mental stress and evaluate the feasibility of using a Large Language Model (LLM) to extract ontology-guided stress-related information from narrative text. The Mental Stress Ontology (MeSO) was developed by integrating theoretical models like the Transactional Model of Stress with concepts from 11 validated stress assessment tools. MeSO's structure and content were refined using Ontology Pitfall Scanner! and expert validation. Using MeSO, six categories of stress-related information--stressor, stress response, coping strategy, duration, onset, and temporal profile--were extracted from 35 Reddit posts using Claude Sonnet 4. Human reviewers evaluated accuracy and ontology coverage. The final ontology included 181 concepts across eight top-level classes. Of 220 extractable stress-related items, the LLM correctly identified 172 (78.2%), misclassified 27 (12.3%), and missed 21 (9.5%). All correctly extracted items were accurately mapped to MeSO, although 24 relevant concepts were not yet represented in the ontology. This study demonstrates the feasibility of using an ontology-guided LLM for structured extraction of stress-related information, offering potential to enhance the consistency and utility of stress documentation in ambient AI systems. Future work should involve clinical dialogue data and comparison across LLMs.
• Abstract（参考訳）: ストレスは、外部のストレス、個人の評価、生理的、心理的反応の動的相互作用から生じるもので、健康に著しく影響するが、しばしば過度に報告され、矛盾なく記録され、通常、電子的健康記録において非構造的自由テキストとして記録される。 アンビエントAI技術は、ドキュメントの負担を軽減するという約束を提供するが、主に構造化されていない物語を生成し、下流の臨床的ユーティリティを制限する。 本研究の目的は, メンタルストレスのオントロジーを開発し, 物語テキストから, オントロジーによるストレス関連情報を抽出するためのLarge Language Model (LLM) の有効性を評価することである。 メンタルストレスオントロジー(MeSO)は、ストレスのトランザクショナルモデルのような理論モデルと、11の検証されたストレスアセスメントツールの概念を統合することで開発された。 MeSOの構造と内容はOntology Pitfall Scannerを使って洗練され、専門家による検証が行われた。 MeSOは、ストレス関連情報、ストレス応答、対処戦略、持続時間、開始時間、時間プロファイルの6つのカテゴリで、Claude Sonnet 4を用いて35のReddit投稿から抽出された。 人間のレビュアーは精度とオントロジーのカバレッジを評価した。 最後のオントロジーは8つのトップレベルクラスにまたがる181の概念を含んでいた。 220件の抽出可能なストレス関連項目のうち、172件(78.2%)が正しく識別され、27件(12.3%)が誤分類され、21件(9.5%)が欠落した。 正しく抽出された全ての項目はMeSOに正確にマッピングされたが、24の関連する概念はまだオントロジーでは表現されなかった。 本研究では,環境AIシステムにおけるストレスドキュメンテーションの一貫性と有用性を高める可能性を秘めた,オントロジー誘導LDMを用いたストレス関連情報の構造化抽出の可能性を示す。 今後の研究は、臨床対話データとLSM間の比較を含むべきである。

関連論文リスト

• How Does a Deep Neural Network Look at Lexical Stress? [7.885813393534717]
  英語の非音節単語のデータセットは、読み書き音声と自発音声から自動的に構築される。 CNNアーキテクチャは、最小のストレスペアを欠いた非音節単語のスペクトル表現から、ストレス位置を予測するために訓練された。 特徴特異的な関連分析を提案し,その結果から, 発声母音の第1および第2フォルマントの影響を強く受けていることが示唆された。
  論文  参考訳（メタデータ） (2025-08-10T08:13:40Z)
• Medical Reasoning in the Era of LLMs: A Systematic Review of Enhancement Techniques and Applications [59.721265428780946]
  医学における大きな言語モデル(LLM)は印象的な能力を実現しているが、体系的で透明で検証可能な推論を行う能力に重大なギャップが残っている。 本稿は、この新興分野に関する最初の体系的なレビューを提供する。 本稿では,学習時間戦略とテスト時間メカニズムに分類した推論強化手法の分類法を提案する。
  論文  参考訳（メタデータ） (2025-08-01T14:41:31Z)
• Technical Report on classification of literature related to children speech disorder [2.411789610133746]
  本報告では、幼児期音声障害の科学的文献を体系的に分類するための自然言語処理(NLP)に基づくアプローチを提案する。 ドメイン固有キーワードを用いたPubMedデータベースから,2015年以降に公開された4,804件の関連記事の検索とフィルタリングを行った。 乳児の過活動や異常てんかん行動など,14の臨床的意義のあるクラスターが発見された。
  論文  参考訳（メタデータ） (2025-05-20T11:52:17Z)
• LlaMADRS: Prompting Large Language Models for Interview-Based Depression Assessment [75.44934940580112]
  LlaMADRSは、オープンソースのLarge Language Models(LLM)を利用して、うつ病の重症度評価を自動化する新しいフレームワークである。 本研究は,クリニカルインタヴューの解釈・スコアリングにおけるモデル指導のために,慎重に設計された手がかりを用いたゼロショットプロンプト戦略を用いている。 実世界における236件のインタビューを対象とし,臨床評価と強い相関性を示した。
  論文  参考訳（メタデータ） (2025-01-07T08:49:04Z)
• NeedleBench: Evaluating LLM Retrieval and Reasoning Across Varying Information Densities [51.07379913779232]
  NeedleBenchは、長いコンテキストタスクにおける検索と推論のパフォーマンスを評価するためのフレームワークである。 モデルの機能を厳格にテストするために、キーデータポイントをさまざまな深さに埋め込む。 実験の結果,Deep-R1やOpenAIのo3のような推論モデルは,情報密度シナリオにおける連続的な検索と推論に苦労していることがわかった。
  論文  参考訳（メタデータ） (2024-07-16T17:59:06Z)
• Attribute Structuring Improves LLM-Based Evaluation of Clinical Text Summaries [56.31117605097345]
  大規模言語モデル(LLM)は、正確な臨床テキスト要約を生成する可能性を示しているが、根拠付けと評価に関する問題に苦慮している。 本稿では、要約評価プロセスを構成するAttribute Structuring(AS)を用いた一般的な緩和フレームワークについて検討する。 ASは、臨床テキスト要約における人間のアノテーションと自動メトリクスの対応性を一貫して改善する。
  論文  参考訳（メタデータ） (2024-03-01T21:59:03Z)
• ForDigitStress: A multi-modal stress dataset employing a digital job interview scenario [48.781127275906435]
  本稿では,デジタル面接を利用してストレスを誘発するマルチモーダルストレスデータセットを提案する。 このデータセットは、オーディオ、ビデオ、生理情報を含む40人の参加者のマルチモーダルデータを提供する。 ベースラインを確立するために、5つの異なる機械学習分類器が訓練され、評価されている。
  論文  参考訳（メタデータ） (2023-03-14T09:40:37Z)
• Classification of Stress via Ambulatory ECG and GSR Data [0.0]
  本研究は, 自己申告されたストレスアノテーションを用いた実験室で記録された生理的データを用いて, ストレスを検出するためのいくつかのアプローチを実験的に評価する。 最適応力検出法は90.77%の分類精度、91.24 F1-サブミッション、90.42感度、91.08特異性を達成する。
  論文  参考訳（メタデータ） (2022-07-19T15:57:14Z)
• Hybrid Handcrafted and Learnable Audio Representation for Analysis of Speech Under Cognitive and Physical Load [17.394964035035866]
  音声におけるタスク負荷検出のための5つのデータセットを提案する。 音声記録は、ボランティアのコホートに認知的ストレスまたは身体的ストレスが引き起こされたとして収集された。 このデータセットを用いて、新たな自己教師型音声表現の設計と評価を行った。
  論文  参考訳（メタデータ） (2022-03-30T19:43:21Z)

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。