論文の概要: Reading between the Lines: Leveraging Large Language Models for Global Dementia and Depression Assessment from Clinical Interviews

• arxiv url: http://arxiv.org/abs/2606.18019v1
• Date: Tue, 16 Jun 2026 15:01:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-17 17:15:32.498602
• Title: Reading between the Lines: Leveraging Large Language Models for Global Dementia and Depression Assessment from Clinical Interviews
• Title（参考訳）: 行間を読む:グローバル認知症に対する大規模言語モデルの導入と臨床面接による抑うつ評価
• Authors: Franziska Braun, Alea Rüggeberg, Thomas Ranzenberger, Hartmut Lehfeld, Thomas Hillemacher, Tobias Bocklet, Korbinian Riedhammer,
• Abstract要約: 認知症とうつ病は老年者で最も多い神経精神疾患である。 我々は、GDS(Global Deterioration Scale)と整合した、観測者ベースのGDS(Global Depression Scale)を導入する。
• 参考スコア（独自算出の注目度）: 17.404708771543188
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dementia and depression are the most prevalent neuropsychiatric disorders in geriatric populations, and their overlapping symptoms pose major challenges for differential diagnosis. In this study, we investigate open-weights Large Language Models (LLMs) for predicting dementia and depression severity from speech samples collected during standardized history taking interviews with 154 German-speaking subjects. We introduce an observer-based Global Depression Scale (GDS-D) aligned with the established Global Deterioration Scale (GDS), enabling parallel global staging of affective and cognitive symptoms. We compare three LLMs (Mistral 3.1, DeepHermes, Qwen3) in two settings: (1) zero-shot prediction and (2) LLM-based feature extraction for Support Vector Regression, using human and pause-enriched transcripts. Results show that LLMs effectively predict depression severity in zero-shot settings (best MAE of 0.60), while dementia assessment benefits substantially from structured feature extraction (best MAE of 0.78), reducing errors by up to 35% over zero-shot baselines. Pause-enriched transcripts achieve competitive performance with human transcriptions, demonstrating the viability of fully automatic screening pipelines for differential neuropsychiatric assessment.
• Abstract（参考訳）: 認知症とうつ病は高齢者で最も多い神経精神疾患であり、重なり合う症状は鑑別診断において大きな課題となる。 本研究では,認知症とうつ病の重症度を予測するためのオープンウェイト言語モデル (LLM) について検討し,ドイツ語を話す154名の被験者にインタビューを行った。 我々は,GDS(Global Deterioration Scale)と整合したGDS-D(Global Depression Scale)を導入し,感情症状と認知症状の同時的グローバルステージ化を実現した。 我々は,(1)ゼロショット予測と(2)サポートベクター回帰のためのLLMに基づく特徴抽出という2つの設定で3つのLLM(Mistral 3.1, DeepHermes, Qwen3)を比較した。 その結果、LCMはゼロショット設定でのうつ病の重症度を効果的に予測し(最も高いMAEは0.60)、認知症評価は構造化特徴抽出(最も高いMAEは0.78)から大きく恩恵を受け、ゼロショットベースラインでのエラーを最大35%削減した。 ポーズに富んだ転写産物はヒトの転写と競合し、神経精神鑑定のための完全自動スクリーニングパイプラインの実現可能性を示す。

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)
• 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)
• A Gold Standard Dataset and Evaluation Framework for Depression Detection and Explanation in Social Media using LLMs [0.0]
  オンラインソーシャルメディア投稿からうつ病の早期発見は、タイムリーなメンタルヘルス介入を提供するという約束を掲げている。 抑うつ的スパンをラベル付けした1017のソーシャルメディア投稿を,12の抑うつ症状カテゴリにマッピングし,高品質で専門家による注釈付きデータセットを提示する。
  論文  参考訳（メタデータ） (2025-07-26T10:01:55Z)
• 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)
• LlaMADRS: Prompting Large Language Models for Interview-Based Depression Assessment [75.44934940580112]
  LlaMADRSは、オープンソースのLarge Language Models(LLM)を利用して、うつ病の重症度評価を自動化する新しいフレームワークである。 本研究は,クリニカルインタヴューの解釈・スコアリングにおけるモデル指導のために,慎重に設計された手がかりを用いたゼロショットプロンプト戦略を用いている。 実世界における236件のインタビューを対象とし,臨床評価と強い相関性を示した。
  論文  参考訳（メタデータ） (2025-01-07T08:49:04Z)
• WellDunn: On the Robustness and Explainability of Language Models and Large Language Models in Identifying Wellness Dimensions [46.60244609728416]
  言語モデル (LMs) は, 予後不良のリスクが高まれば, 臨床実習におけるモデルの実用性に対するリトマステストにはならない可能性がある, メンタルヘルスの分野では, 言語モデル (LMs) が提案されている。 ウェルネス次元(WD)の同定におけるLMの堅牢性と説明性に着目した評価設計を提案する。 LM/LLMの4つの驚くべき結果が明らかになった。
  論文  参考訳（メタデータ） (2024-06-17T19:50:40Z)
• Aligning Large Language Models for Enhancing Psychiatric Interviews Through Symptom Delineation and Summarization: Pilot Study [13.77580842967173]
  本研究は、北朝鮮の亡命者からのカウンセリングデータを分析することにより、精神科面接の強化に焦点を当てる。 本研究は,(1)精神医学的症状を示唆する会話の一部を識別し,その症状を認識することができるか,(2)面接書に基づいてストレスや症状を要約することができるかを検討する。
  論文  参考訳（メタデータ） (2024-03-26T06:50:04Z)
• 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)
• Prediction of Depression Severity Based on the Prosodic and Semantic Features with Bidirectional LSTM and Time Distributed CNN [14.994852548758825]
  抑うつ予測のための注意に基づくマルチモーダリティ音声とテキスト表現を提案する。 本モデルは,OzデータセットのDistress Analysis Interview Corpus-Wizardを用いて,参加者のうつ病重症度を推定するために訓練された。 実験では、過去の研究よりも統計的に有意な改善が見られた。
  論文  参考訳（メタデータ） (2022-02-25T01:42:29Z)

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。