論文の概要: Cross-Lingual Mental Health Ontologies for Indian Languages: Bridging Patient Expression and Clinical Understanding through Explainable AI and Human-in-the-Loop Validation

• arxiv url: http://arxiv.org/abs/2510.05387v1
• Date: Mon, 06 Oct 2025 21:27:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-08 17:57:07.993691
• Title: Cross-Lingual Mental Health Ontologies for Indian Languages: Bridging Patient Expression and Clinical Understanding through Explainable AI and Human-in-the-Loop Validation
• Title（参考訳）: インド言語における言語間メンタルヘルスオントロジー--説明可能なAIによる患者表現と臨床理解と対人検証
• Authors: Ananth Kandala, Ratna Kandala, Akshata Kishore Moharir, Niva Manchanda, Sunaina Singh,
• Abstract要約: インドにおけるメンタルヘルスコミュニケーションは言語的に断片化され、文化的に多様であり、しばしば臨床コミュニケーションでは不十分である。 本稿では、文化に埋め込まれた苦悩の表現を捉え、それらを言語間で整列させ、臨床用語と結びつけるグラフベースの手法を用いて、メンタルヘルス表現の言語横断的な構築のための枠組みを提案する。
• 参考スコア（独自算出の注目度）: 0.2555114504478013
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Mental health communication in India is linguistically fragmented, culturally diverse, and often underrepresented in clinical NLP. Current health ontologies and mental health resources are dominated by diagnostic frameworks centered on English or Western culture, leaving a gap in representing patient distress expressions in Indian languages. We propose cross-linguistic graphs of patient stress expressions (CL-PDE), a framework for building cross-lingual mental health ontologies through graph-based methods that capture culturally embedded expressions of distress, align them across languages, and link them with clinical terminology. Our approach addresses critical gaps in healthcare communication by grounding AI systems in culturally valid representations, allowing more inclusive and patient-centric NLP tools for mental health care in multilingual contexts.
• Abstract（参考訳）: インドにおけるメンタルヘルスコミュニケーションは言語的に断片化され、文化的に多様であり、しばしば臨床NLPでは不十分である。 現在の健康オントロジーとメンタルヘルスリソースは、英語や西洋文化を中心とした診断フレームワークによって支配されており、インドの言語における患者の苦悩表現のギャップを残している。 患者ストレス表現の言語間グラフ (CL-PDE) を提案する。これは、文化的に埋め込まれた苦悩の表現を捉え、それらを言語間で整列させ、臨床用語と結びつけるグラフベースの手法により、言語間メンタルなオントロジーを構築するためのフレームワークである。 我々のアプローチは、文化的に有効な表現にAIシステムを基盤として、多言語コンテキストにおけるメンタルヘルスのためのより包括的で患者中心のNLPツールを提供することによって、医療コミュニケーションにおける重要なギャップに対処する。

関連論文リスト

• Interpretable Neuropsychiatric Diagnosis via Concept-Guided Graph Neural Networks [56.75602443936853]
  青少年の5人に1人は、不安、うつ病、行動障害などの精神状態または行動の健康状態と診断されている。 従来の研究では、障害予測にグラフニューラルネットワーク(GNN)アプローチを使用していたが、ブラックボックスのままであり、信頼性と臨床翻訳を制限している。 本研究では,解釈可能な機能接続の概念を符号化する概念に基づく診断フレームワークを提案する。 我々の設計は臨床的に意味のある接続パターンを通じて予測を保証し、解釈可能性と強い予測性能の両方を可能にする。
  論文  参考訳（メタデータ） (2025-10-02T19:38:46Z)
• 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)
• A Survey on Multilingual Mental Disorders Detection from Social Media Data [19.167802086240293]
  本研究は,多言語ソーシャルメディアデータを用いたメンタルヘルス障害の検出に関する第1回調査である。 オンライン言語パターンと自己開示行動に影響を与える文化的ニュアンスについて検討する。 メンタルヘルススクリーニングのためのNLPモデルの開発に使用できる多言語データ収集の包括的リストを提供する。
  論文  参考訳（メタデータ） (2025-05-21T14:15:54Z)
• Dr-LLaVA: Visual Instruction Tuning with Symbolic Clinical Grounding [53.629132242389716]
  VLM(Vision-Language Models)は、医用画像を分析し、自然言語の相互作用に関与することによって、臨床医を支援する。 VLMはしばしば「幻覚的」な振る舞いを示し、文脈的マルチモーダル情報に基づかないテキスト出力を生成する。 本稿では,臨床推論の象徴的表現を用いて医療知識にVLMを基盤とする新たなアライメントアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-05-29T23:19:28Z)
• Cross-Cultural Differences in Mental Health Expressions on Social Media [11.446351184195647]
  ソーシャルメディアにおけるメンタルヘルス表現の現在の理解は、WEIRD(Western, Educated, Industrialized, Rich, Democratic)の文脈に由来する。 インドに居住する個人によるRedditのメンタルヘルス投稿を分析し、インド特有のソーシャルメディア言語の変化を特定する。
  論文  参考訳（メタデータ） (2024-02-18T06:56:56Z)
• Process Knowledge-infused Learning for Clinician-friendly Explanations [14.405002816231477]
  言語モデルはソーシャルメディアデータを用いてメンタルヘルスを評価することができる。 彼らは臨床医の診断過程とポストを比較しない。 臨床医が理解できる概念を使って言語モデルのアウトプットを説明するのは難しいです。
  論文  参考訳（メタデータ） (2023-06-16T13:08:17Z)
• Med-UniC: Unifying Cross-Lingual Medical Vision-Language Pre-Training by Diminishing Bias [38.26934474189853]
  Med-UniC (Med-UniC) は、英語とスペイン語のマルチモーダル医療データを統合したものである。 Med-UniCは、5つの医療画像タスクと30以上の疾患を含む10のデータセットで優れたパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2023-05-31T14:28:19Z)
• Pose-based Body Language Recognition for Emotion and Psychiatric Symptom Interpretation [75.3147962600095]
  通常のRGBビデオから始まるボディーランゲージに基づく感情認識のための自動フレームワークを提案する。 心理学者との連携により,精神症状予測の枠組みを拡張した。 提案されたフレームワークの特定のアプリケーションドメインは限られた量のデータしか供給しないため、フレームワークは小さなトレーニングセットで動作するように設計されている。
  論文  参考訳（メタデータ） (2020-10-30T18:45:16Z)

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。