論文の概要: Learning Evidence of Depression Symptoms via Prompt Induction

• arxiv url: http://arxiv.org/abs/2604.24376v1
• Date: Mon, 27 Apr 2026 12:08:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 17:12:07.981648
• Title: Learning Evidence of Depression Symptoms via Prompt Induction
• Title（参考訳）: プロンプト誘導による抑うつ症状の学習
• Authors: Eliseo Bao, Anxo Perez, David Otero, Javier Parapar,
• Abstract要約: うつ病はメンタルヘルスサービスにかなりの圧力をかける。 多くの人は、高ボリュームのユーザ生成テキストで臨床現場での経験を記述している。 我々は,BDI-IIアンケートから21の抑うつ症状の文レベル分類によって,このニーズに対処する。 本稿では,ラベル付きサンプルを短く解釈可能なガイドラインに圧縮する新しい手法であるSyptom Injection (SI)を提案する。
• 参考スコア（独自算出の注目度）: 5.906614600667755
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Depression places substantial pressure on mental health services, and many people describe their experiences outside clinical settings in high-volume user-generated text (e.g., online forums and social media). Automatically identifying clinical symptom evidence in such text can therefore complement limited clinical capacity and scale to large populations. We address this need through sentence-level classification of 21 depression symptoms from the BDI-II questionnaire, using BDI-Sen, a dataset annotated for symptom relevance. This task is fine-grained and highly imbalanced, and we find that common LLM approaches (zero-shot, in-context learning, and fine-tuning) struggle to apply consistent relevance criteria for most symptoms. We propose Symptom Induction (SI), a novel approach which compresses labeled examples into short, interpretable guidelines that specify what counts as evidence for each symptom and uses these guidelines to condition classification. Across four LLM families and eight models, SI achieves the best overall weighted F1 on BDI-Sen, with especially large gains for infrequent symptoms. Cross-domain evaluation on an external dataset further shows that induced guidelines generalize across other diseases shared symptomatology (bipolar and eating disorders).
• Abstract（参考訳）: うつ病はメンタルヘルスサービスにかなりのプレッシャーを与え、多くの人は高ボリュームのユーザー生成テキスト(オンラインフォーラムやソーシャルメディアなど)で臨床現場での経験を記述している。 このようなテキストで臨床症状を自動同定することは、限られた臨床能力と集団への拡大を補完することができる。 BDI-II質問紙から21の抑うつ症状を文レベルに分類し,症状関連性を示すデータセットであるBDI-Senを用いて,このニーズに対処する。 この課題はきめ細かな不均衡であり、一般的なLCMアプローチ(ゼロショット、インコンテクスト学習、微調整)は、ほとんどの症状に対して一貫した関連基準を適用するのに苦労している。 本稿では,各症状のエビデンスとして数えるものを特定するための短い解釈可能なガイドラインにラベル付き例を圧縮し,これらのガイドラインを条件分類に利用する新しい手法であるSyptom Injection (SI)を提案する。 4つのLLMファミリーと8つのモデルにまたがって、SIはBDI-Sen上で最高の総合重み付けF1を達成する。 外部データセットのクロスドメイン評価は、他の疾患(双極性障害と摂食障害)にまたがる誘導ガイドラインが一般化されることを示している。

関連論文リスト

• Clinically Inspired Symptom-Guided Depression Detection from Emotion-Aware Speech Representations [6.043112894299487]
  うつ病は睡眠障害、関心の喪失、集中障害などの様々な症状によって現れる。 既存の研究の多くは、症状特異的情報を明示的にモデル化することなく、うつ病の予測をバイナリラベルまたは全体的な重症度スコアとして扱う。 音声からのうつ病重症度推定のための症状特異的かつ臨床的に着想を得た枠組みを提案する。
  論文  参考訳（メタデータ） (2026-02-17T13:47:05Z)
• ReDSM5: A Reddit Dataset for DSM-5 Depression Detection [2.677715367737641]
  うつ病は、世界中で数億人の個人に影響を与える広範囲な精神状態である。 ReDSM5は1484の長文の投稿からなるRedditの新しいコーパスであり、それぞれが9つのDSM-5うつ病症状に対して、許可された心理学者によって全文で注釈付けされている。 ソーシャルメディアの物語における症状表現を特徴付ける語彙的,統語的,感情的なパターンを探索的に分析する。
  論文  参考訳（メタデータ） (2025-08-05T12:48:06Z)
• INESC-ID @ eRisk 2025: Exploring Fine-Tuned, Similarity-Based, and Prompt-Based Approaches to Depression Symptom Identification [0.0]
  本稿では,eRiskの2025 Task 1: Search for Symptoms of Depressionについて述べる。 一連の文章が与えられた後、参加者はうつ病の症状に対して最大1000の文章を提出する任務を負った。 訓練データは、ある文章が関連があるか否かというラベル付き文から成っていた。 本研究では,基礎モデルの微調整,文類似性,Large Language Model(LLM)プロンプト,アンサンブル技術について検討した。
  論文  参考訳（メタデータ） (2025-06-03T14:25:12Z)
• Beyond Empathy: Integrating Diagnostic and Therapeutic Reasoning with Large Language Models for Mental Health Counseling [50.83055329849865]
  PsyLLMは、メンタルヘルスカウンセリングの診断と治療的推論を統合するために設計された大きな言語モデルである。 Redditから現実世界のメンタルヘルス投稿を処理し、マルチターン対話構造を生成する。 実験の結果,PsyLLMは最先端のベースラインモデルよりも優れていた。
  論文  参考訳（メタデータ） (2025-05-21T16:24:49Z)
• Quantifying depressive mental states with large language models [0.0]
  大規模言語モデル(LLM)はメンタルヘルスにおいて重要な役割を担っている。 3つの臨界試験におけるLLM性能の概要と評価を行った。
  論文  参考訳（メタデータ） (2025-02-13T16:52:06Z)
• KNSE: A Knowledge-aware Natural Language Inference Framework for Dialogue Symptom Status Recognition [69.78432481474572]
  症状状態認識(SSR)のための新しいフレームワークKNSEを提案する。 対話ウィンドウ内の各症状について、まず、症状の状態に関する症状と仮説に関する知識を生成し、(前提、知識、仮説)三重項を形成する。 次にBERTモデルを使用して三重項を符号化し、さらに発話アグリゲーション、自己アテンション、横断アテンション、GRUなどのモジュールで処理して症状状態を予測する。
  論文  参考訳（メタデータ） (2023-05-26T11:23:26Z)
• Semantic Similarity Models for Depression Severity Estimation [53.72188878602294]
  本稿では、ソーシャルメディアの文章に基づいて、個人のうつ病の重症度を研究するための効率的なセマンティックパイプラインを提案する。 我々は,抑うつ症状と重度レベルに対応する代表訓練文の指標に対して意味的ランキングを生成するために,テストユーザ文を使用する。 本手法を2つのRedditベースのベンチマークで評価し,うつ病の重症度を指標として,最先端技術よりも30%改善した。
  論文  参考訳（メタデータ） (2022-11-14T18:47:26Z)
• Deep Multi-task Learning for Depression Detection and Prediction in Longitudinal Data [50.02223091927777]
  うつ病は最も多い精神疾患の1つであり、世界中の年齢の何百万人もの人々に影響を与えている。 機械学習技術は、早期介入と治療のためのうつ病の自動検出と予測を可能にしている。 本稿では、この課題に対処するために、2つの補助的タスクでうつ病分類を共同最適化する、新しいディープマルチタスクリカレントニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2020-12-05T05:14:14Z)
• Hierarchical Reinforcement Learning for Automatic Disease Diagnosis [52.111516253474285]
  政策学習のための対話システムに2段階の階層的な政策構造を統合することを提案する。 提案した政策構造は,多くの疾患や症状を含む診断問題に対処することができる。
  論文  参考訳（メタデータ） (2020-04-29T15:02:41Z)
• Understanding patient complaint characteristics using contextual clinical BERT embeddings [1.9060575156739825]
  臨床会話の応用では、抽出された実体は患者の苦情の主訴をとらえる傾向にある。 本稿では,一般利用者が提示する症状などの特徴を2段階に分けて検出する手法を提案する。 臨床テキストのエンコードにはWord2VecとBERTを用いる。 処理された符号化とLDA(Linear Discriminant Analysis)アルゴリズムを組み合わせて、主エンティティの特性を分類する。
  論文  参考訳（メタデータ） (2020-02-14T07:45:33Z)

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。