論文の概要: LLM-Augmented Therapy Normalization and Aspect-Based Sentiment Analysis for Treatment-Resistant Depression on Reddit

• arxiv url: http://arxiv.org/abs/2603.12343v1
• Date: Thu, 12 Mar 2026 18:03:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-16 17:38:11.706284
• Title: LLM-Augmented Therapy Normalization and Aspect-Based Sentiment Analysis for Treatment-Resistant Depression on Reddit
• Title（参考訳）: LLM-Augmented Therapy Normalization and Aspect-Based Sentiment Analysis for Treatment-Resistant Depression on Reddit (特集:平成11年度日本薬物学会大会)
• Authors: Yuxin Zhu, Sahithi Lakamana, Masoud Rouhizadeh, Selen Bozkurt, Rachel Hershenberg, Abeed Sarker,
• Abstract要約: 治療抵抗性うつ病(英: Treatment-resistant depression, TRD)は、患者が複数の適切な治療を受けたにもかかわらず寛解を達成できない重度のうつ病である。 われわれは、2010年から2025年までの28のメンタルヘルス関連サブレディットのうち3,480人の加入者からのRTDを明示的に参照するRedditの投稿5,059件のコーパスをキュレートした。 このうち3,839件は少なくとも1つの医薬品に言及しており、レキシコンをベースとしたブランド名正規化後、総称医薬品81件について23,399件が報告されている。
• 参考スコア（独自算出の注目度）: 4.357991500376795
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Treatment-resistant depression (TRD) is a severe form of major depressive disorder in which patients do not achieve remission despite multiple adequate treatment trials. Evidence across pharmacologic options for TRD remains limited, and trials often do not fully capture patient-reported tolerability. Large-scale online peer-support narratives therefore offer a complementary lens on how patients describe and evaluate medications in real-world use. In this study, we curated a corpus of 5,059 Reddit posts explicitly referencing TRD from 3,480 subscribers across 28 mental health-related subreddits from 2010 to 2025. Of these, 3,839 posts mentioned at least one medication, yielding 23,399 mentions of 81 generic-name medications after lexicon-based normalization of brand names, misspellings, and colloquialisms. We developed an aspect-based sentiment classifier by fine-tuning DeBERTa-v3 on the SMM4H 2023 therapy-sentiment Twitter corpus with large language model based data augmentation, achieving a micro-F1 score of 0.800 on the shared-task test set. Applying this classifier to Reddit, we quantified sentiment toward individual medications across three categories: positive, neutral, and negative, and tracked patterns by drug, subscriber, subreddit, and year. Overall, 72.1% of medication mentions were neutral, 14.8% negative, and 13.1% positive. Conventional antidepressants, especially SSRIs and SNRIs, showed consistently higher negative than positive proportions, whereas ketamine and esketamine showed comparatively more favorable sentiment profiles. These findings show that normalized medication extraction combined with aspect-based sentiment analysis can help characterize patient-perceived treatment experiences in TRD-related Reddit discourse, complementing clinical evidence with large-scale patient-generated perspectives.
• Abstract（参考訳）: 治療抵抗性うつ病(英: Treatment-resistant depression, TRD)は、患者が複数の適切な治療を受けたにもかかわらず寛解を達成できない重度のうつ病である。 TRDの薬理学的選択肢にまたがるエビデンスはまだ限られており、患者に報告された耐性を十分に捉えていないことが多い。 したがって、大規模なオンラインピアサポート物語は、患者が現実世界の使用においてどのように薬を記述し評価するかを補完するレンズを提供する。 本研究では,2010年から2025年までの28件のメンタルヘルス関連サブレディットのうち,3,480件のTRDを明示的に参照したReddit投稿5,059件のコーパスをキュレートした。 このうち3,839件は少なくとも1つの医薬品について言及しており、レキシコンをベースとしたブランド名、誤字、口語主義の正常化後、総称医薬品81件について23,399件が報告されている。 本研究では,SMM4H 2023 治療用 Twitter コーパス上で,DeBERTa-v3 を微調整したアスペクトベース感情分類器を開発し,マイクロF1 スコアの0.800を共有タスクテストセットで達成した。 この分類法をRedditに適用することにより、ポジティブ、中立、ネガティブの3つのカテゴリにまたがる個々の薬物に対する感情を定量化し、薬物、加入者、サブレディット、年によって追跡されたパターンを分析した。 全体の72.1%が中性、14.8%が陰性、13.1%が陽性である。 従来の抗うつ薬,特にSSRIsとSNRIsは正の比率より一貫して陰性を示し,ケタミンとエスケタミンは比較的好意的な感情プロファイルを示した。 以上の結果から,TRD関連Reddit談話における正常化薬物抽出とアスペクトベース感情分析の併用は,患者が知覚した治療経験を特徴付けるのに有効であることが示唆された。

関連論文リスト

• Mapping Patient-Perceived Physician Traits from Nationwide Online Reviews with LLMs [3.364244912862208]
  本稿では,5つの人格特性と5つの患者主観的判断を推定する大規模言語モデル(LLM)に基づくパイプラインを提案する。 この分析は、米国の医師226,999人の4100万人の患者のレビューを含む。
  論文  参考訳（メタデータ） (2025-10-05T02:16:35Z)
• Large language models management of medications: three performance analyses [9.12176336117872]
  GPT 4oは3つの薬物管理タスクで試験された。 薬物製剤マッチングの最初の課題として、GPT-4oは、すべての利用可能な製剤に適合するジェネリック医薬品の精度が49%であった。 薬物と薬物の相互作用を識別する第2のタスクでは、DDIペアを識別する精度は54.7%であった。
  論文  参考訳（メタデータ） (2025-09-26T20:51:48Z)
• MoodAngels: A Retrieval-augmented Multi-agent Framework for Psychiatry Diagnosis [58.67342568632529]
  MoodAngelsは、気分障害の診断のための最初の特殊なマルチエージェントフレームワークである。 MoodSynは、合成精神医学の1,173件のオープンソースデータセットである。
  論文  参考訳（メタデータ） (2025-06-04T09:18:25Z)
• A Computational Approach to Epilepsy Treatment: An AI-optimized Global Natural Product Prescription System [0.5439020425819]
  てんかんは世界中で何百万もの患者を抱える神経疾患である。 多くの人は、従来の抗てんかん薬の効力と副作用が限られているため、代替医療に移行している。 我々は,グローバルな天然物のAI駆動分析により,局所てんかん治療を最適化する計算手法を開発した。
  論文  参考訳（メタデータ） (2025-05-10T08:14:20Z)
• We Care: Multimodal Depression Detection and Knowledge Infused Mental Health Therapeutic Response Generation [41.09752906121257]
  拡張D-vlogデータセットは1,261のYouTube vlogのコレクションを含む。 本稿では,認知行動療法(Cognitive Behavioral Therapy, CBT)をベースとした, メンタルヘルス患者の初期接触として機能する仮想エージェントについて紹介する。 私たちのMistralモデルは歪み評価と分類で70.1%、30.9%、ベルトスコア88.7%を達成しました。
  論文  参考訳（メタデータ） (2024-06-15T08:41:46Z)
• Exploring Social Media for Early Detection of Depression in COVID-19 Patients [44.76299288962596]
  早期に検出と介入は、新型コロナウイルス患者のうつ病のリスクを減少させる可能性がある。 我々は、感染前後のソーシャルメディア活動に関する情報を含む新型コロナウイルス患者のデータセットを管理した。 うつ病リスクの高いCOVID-19患者の特徴を明らかにするため,本データセットを広範囲に分析した。
  論文  参考訳（メタデータ） (2023-02-23T14:13:52Z)
• Neural Bandits for Data Mining: Searching for Dangerous Polypharmacy [63.135687276599114]
  一部の多薬局は、不適切とみなされており、死亡や入院などの健康上の有害な結果に関係している可能性がある。 我々は、クレームデータセットを効率的にマイニングし、薬物の組み合わせと健康結果の関係の予測モデルを構築するためのOptimNeuralTS戦略を提案する。 提案手法では,最大72%のPIPを検出でき,平均精度は99%であり,30000タイムステップで検出できる。
  論文  参考訳（メタデータ） (2022-12-10T03:43:23Z)
• Deep Learning-Based Sentiment Analysis of COVID-19 Vaccination Responses from Twitter Data [2.6256839599007273]
  この研究は、新型コロナウイルスワクチンに関する世論の理解を助け、われわれの美しい世界からコロナウイルスを根絶する目的に影響を及ぼすだろう。 ソーシャルメディアは、現在感情や感情を表現する最良の方法であり、その助けを借りて、特にTwitterは、トレンドと人々の心の中で何が起きているのかをよりよく理解することができる。
  論文  参考訳（メタデータ） (2022-08-26T18:07:37Z)
• Comparative Analysis of Predictive Methods for Early Assessment of Compliance with Continuous Positive Airway Pressure Therapy [55.41644538483948]
  CPAP (Continuous positive airway pressure, CPAP) は, 夜間のCPAP平均使用時間の4h以上と認められた。 これまでの研究では、治療の遵守に大きく関係した要因が報告されている。 本研究は,CPAP療法を併用したコンプライアンス分類器を患者フォローアップの3つの異なるタイミングで構築することにより,この方向へのさらなる一歩を踏み出すことを目的とする。
  論文  参考訳（メタデータ） (2019-12-27T14:44:21Z)

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。