論文の概要: Depression Detection at the Point of Care: Automated Analysis of Linguistic Signals from Routine Primary Care Encounters

• arxiv url: http://arxiv.org/abs/2604.06193v1
• Date: Wed, 11 Mar 2026 21:08:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-12 18:41:08.615064
• Title: Depression Detection at the Point of Care: Automated Analysis of Linguistic Signals from Routine Primary Care Encounters
• Title（参考訳）: 要介護者の言語信号の自動解析
• Authors: Feng Chen, Manas Bedmutha, Janice Sabin, Andrea Hartzler, Nadir Weibel, Trevor Cohen,
• Abstract要約: うつ病はプライマリケアでは診断されていないが、タイムリーな識別は依然として重要である。 初診時1,108例のうつ病の自動検出について検討した。
• 参考スコア（独自算出の注目度）: 13.125686189457369
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Depression is underdiagnosed in primary care, yet timely identification remains critical. Recorded clinical encounters, increasingly common with digital scribing technologies, present an opportunity to detect depression from naturalistic dialogue. We investigated automated depression detection from 1,108 audio-recorded primary care encounters in the Establishing Focus study, with depression defined by PHQ-9 (n=253 depressed, n=855 non-depressed). We compared three supervised approaches, Sentence-BERT + Logistic Regression (LR), LIWC+LR and ModernBERT, against a zero-shot GPT-OSS. GPT-OSS achieved the strongest performance (AUPRC=0.510, AUROC=0.774), with LIWC+LR competitive among supervised models (AUPRC=0.500, AUROC=0.742). Combined dyadic transcripts outperformed single-speaker configurations, with providers linguistically mirroring patients in depression encounters, an additive signal not captured by either speaker alone. Meaningful detection is achievable from the first 128 patient tokens (AUPRC=0.356, AUROC=0.675), supporting in-the-moment clinical decision support. These findings argue for passively collected clinical audio as a low-burden complement to existing screening workflows.
• Abstract（参考訳）: うつ病はプライマリケアでは診断されていないが、タイムリーな識別は依然として重要である。 デジタルスクライブ技術に共通する記録的臨床出会いは、自然主義的対話からうつ病を検出する機会を与える。 In the Establishing Focus study, with depression defined by PHQ-9 (n=253 depressed, n=855 non-depressed)。 我々は,Sentence-BERT + Logistic Regression (LR), LIWC+LR, ModernBERTの3つの教師付きアプローチをゼロショットGPT-OSSと比較した。 GPT-OSSは最強のパフォーマンス(AUPRC=0.510, AUROC=0.774)を達成し、LIWC+LRは監督モデル(AUPRC=0.500, AUROC=0.742)で競合した。 Dyadic transcriptsの組み合わせは単一話者構成よりも優れており、言語学的にうつ病の患者をミラーリングするプロバイダは、どちらの話者も捉えていない付加的なシグナルである。 最初の128の患者トークン(AUPRC=0.356, AUROC=0.675)から有意な検出が可能である。 これらの知見は、既存のスクリーニングワークフローを補完する低いバーデンとして、受動的に収集された臨床オーディオを論じている。

関連論文リスト

• Predicting Neuromodulation Outcome for Parkinson's Disease with Generative Virtual Brain Model [95.41752463487008]
  パーキンソン病は世界中で1千万人以上に影響している。 個人間変異は経験的治療の選択を制限し、非無視的な外科的リスクとコストを増大させる。 我々は、このギャップをトレーニング済みのファインタニングフレームワークで埋めて、静止状態fMRIから直接結果を予測する。
  論文  参考訳（メタデータ） (2026-03-31T02:36:10Z)
• DepFlow: Disentangled Speech Generation to Mitigate Semantic Bias in Depression Detection [54.209716321122194]
  抑うつ条件付きテキスト音声合成フレームワークであるDepFlowについて述べる。 抑うつ音響カモフラージュは、対向訓練を通じて話者と内容不変の抑うつ埋め込みを学習する。 フローマッチングTTSモデルとFiLM変調はこれらの埋め込みを合成に注入し、うつ病の重症度を制御する。 プロトタイプベースの重度マッピング機構は、うつ病連続体を滑らかかつ解釈可能な操作を提供する。
  論文  参考訳（メタデータ） (2026-01-01T10:44:38Z)
• AI-Powered Early Diagnosis of Mental Health Disorders from Real-World Clinical Conversations [7.061237517845673]
  メンタルヘルス障害は、世界中で障害の主な原因となっている。 うつ病、不安症、外傷後ストレス障害(PTSD)などの症状は、しばしば診断または誤診される。 プライマリ・ケア・セッティングでは、提供者は60%以上のケースでうつ病や不安を誤認している。
  論文  参考訳（メタデータ） (2025-10-16T17:50:04Z)
• DepressLLM: Interpretable domain-adapted language model for depression detection from real-world narratives [6.1211540596331755]
  本研究では,幸福と苦悩の両方を反映した3,699個の自伝的物語のコーパスをトレーニングし,評価したDepressLLMを紹介する。 DepressLLMは解釈可能な抑うつ予測を提供し、Score-guided Token Probability Summation (SToPS)モジュールを通じて、改善された分類性能と信頼性の高い信頼推定を提供する。
  論文  参考訳（メタデータ） (2025-08-12T03:12:55Z)
• Detecting PTSD in Clinical Interviews: A Comparative Analysis of NLP Methods and Large Language Models [6.916082619621498]
  外傷後ストレス障害 (PTSD) は, 臨床現場ではまだ診断されていない。 本研究では,臨床面接書からPTSDを検出するための自然言語処理手法について検討した。
  論文  参考訳（メタデータ） (2025-04-01T22:06:28Z)
• 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)
• Non-Invasive Suicide Risk Prediction Through Speech Analysis [74.8396086718266]
  自動自殺リスク評価のための非侵襲的音声ベースアプローチを提案する。 我々は、wav2vec、解釈可能な音声・音響特徴、深層学習に基づくスペクトル表現の3つの特徴セットを抽出する。 我々の最も効果的な音声モデルは、6.6.2,%$のバランスの取れた精度を達成する。
  論文  参考訳（メタデータ） (2024-04-18T12:33:57Z)
• Automatically measuring speech fluency in people with aphasia: first achievements using read-speech data [55.84746218227712]
  本研究の目的は,言語習得の分野で開発された信号処理algorithmの関連性を評価することである。
  論文  参考訳（メタデータ） (2023-08-09T07:51:40Z)

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。