論文の概要: Human-computer interactions predict mental health

• arxiv url: http://arxiv.org/abs/2511.20179v1
• Date: Tue, 25 Nov 2025 11:00:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-26 17:37:04.414772
• Title: Human-computer interactions predict mental health
• Title（参考訳）: 人間とコンピュータの相互作用がメンタルヘルスを予測する
• Authors: Veith Weilnhammer, Jefferson Ortega, David Whitney,
• Abstract要約: 我々は、人間とコンピュータの相互作用が、自己報告されたメンタルヘルスの複数の次元をコードしていることを示す。 本稿では,デジタル活動から潜在精神状態を推定するためのマシーン学習フレームワークであるMAILAを紹介する。 私たちはMAILAをトレーニングし、9000人のオンライン参加者で記録された20,000のカーソルとタッチスクリーンの記録から13万のメンタルヘルスの自己報告を予測しました。
• 参考スコア（独自算出の注目度）: 0.01274452325287335
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Scalable assessments of mental illness, the leading driver of disability worldwide, remain a critical roadblock toward accessible and equitable care. Here, we show that human-computer interactions encode multiple dimensions of self-reported mental health and their changes over time. We introduce MAILA, a MAchine-learning framework for Inferring Latent mental states from digital Activity. We trained MAILA to predict 1.3 million mental-health self-reports from 20,000 cursor and touchscreen recordings recorded in 9,000 online participants. The dataset includes 2,000 individuals assessed longitudinally, 1,500 diagnosed with depression, and 500 with obsessive-compulsive disorder. MAILA tracks dynamic mental states along three orthogonal dimensions, generalizes across contexts, and achieves near-ceiling accuracy when predicting group-level mental health. The model translates from general to clinical populations, identifies individuals living with mental illness, and captures signatures of psychological function that are not conveyed by language. Our results demonstrate how everyday human-computer interactions can power passive, reliable, dynamic, and maximally scalable mental health assessments. The ability to decode mental states at zero marginal cost sets new benchmarks for precision medicine and public health, while raising important questions about privacy, agency, and autonomy online.
• Abstract（参考訳）: 世界中で障害の指導的役割を果たしている精神疾患のスケーラブルな評価は、アクセス可能で公平なケアへの重要な障害であり続けている。 ここでは、人間とコンピュータの相互作用が、自己報告されたメンタルヘルスの複数の次元とその経時変化をエンコードしていることを示す。 本稿では,デジタル活動から潜在精神状態を推定するためのマシーン学習フレームワークであるMAILAを紹介する。 私たちはMAILAをトレーニングし、9000人のオンライン参加者で記録された20,000のカーソルとタッチスクリーンの記録から13万のメンタルヘルスの自己報告を予測しました。 データセットには、縦断的に評価された2,000人、うつ病と診断された1,500人、強迫性障害の500人が含まれる。 MAILAは3つの直交次元に沿って動的精神状態を追跡し、コンテキストを一般化し、グループレベルのメンタルヘルスを予測する際に、ほぼシーリングの精度を達成する。 このモデルは、一般的な集団から臨床集団に翻訳され、精神疾患に罹患している個人を特定し、言語によって伝えられない心理的機能の徴候を捉えている。 我々の結果は、日々の人間とコンピュータの相互作用が、受動的、信頼性、動的、そして最大限にスケーラブルなメンタルヘルスアセスメントにどのように役立つかを実証している。 精神状態をゼロの限界費用でデコードする能力は、オンラインでプライバシー、エージェンシー、自律性に関する重要な疑問を提起しながら、精密医療と公衆衛生のベンチマークを新たに設定する。

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)
• MentalArena: Self-play Training of Language Models for Diagnosis and Treatment of Mental Health Disorders [59.515827458631975]
  メンタルヘルス障害は世界で最も深刻な病気の1つである。 プライバシーに関する懸念は、パーソナライズされた治療データのアクセシビリティを制限する。 MentalArenaは、言語モデルをトレーニングするためのセルフプレイフレームワークである。
  論文  参考訳（メタデータ） (2024-10-09T13:06:40Z)
• A Hybrid Approach for Depression Classification: Random Forest-ANN Ensemble on Motor Activity Signals [4.798808180453298]
  ウェアラブルセンサーは、メンタルヘルスの問題を追跡し、理解する潜在的な手段を提供する。 近年の研究では、これらのセンサーと機械学習の手法を併用して、異なる精神状態に関連するパターンを特定している。 本稿では、うつ病患者のセンサデータを評価するために最適化されたHybrid Random forest - Neural Networkと呼ばれる新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-13T17:39:35Z)
• Mental Illness Classification on Social Media Texts using Deep Learning and Transfer Learning [55.653944436488786]
  世界保健機関(WHO)によると、約4億5000万人が影響を受ける。 うつ病、不安症、双極性障害、ADHD、PTSDなどの精神疾患。 本研究では、Redditプラットフォーム上の非構造化ユーザデータを分析し、うつ病、不安、双極性障害、ADHD、PTSDの5つの一般的な精神疾患を分類する。
  論文  参考訳（メタデータ） (2022-07-03T11:33:52Z)
• Learning Language and Multimodal Privacy-Preserving Markers of Mood from Mobile Data [74.60507696087966]
  精神状態は、先進医療に共通する国でも診断されていない。 人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。 本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
  論文  参考訳（メタデータ） (2021-06-24T17:46:03Z)
• Personal Mental Health Navigator: Harnessing the Power of Data, Personal Models, and Health Cybernetics to Promote Psychological Well-being [2.491393414479041]
  個人化メンタルヘルスナビゲーション(MHN)の概念を紹介します。 MHNは測定、推定、ガイダンスの連続的な循環ループを展開し、個人のメンタルヘルス状態を健康地帯に向かって操縦します。 大学生の総合的ストレス管理のための12ヶ月のパイロットケーススタディを通じて,パーソナライズドmhnアプローチの実現可能性を示す。
  論文  参考訳（メタデータ） (2020-12-15T18:34:09Z)

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。