論文の概要: Team MKC at CLPsych 2026: Capturing and Characterizing Mental Health Changes through Social Media Timeline Dynamics
- arxiv url: http://arxiv.org/abs/2606.31464v1
- Date: Tue, 30 Jun 2026 10:43:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-01 18:27:19.182458
- Title: Team MKC at CLPsych 2026: Capturing and Characterizing Mental Health Changes through Social Media Timeline Dynamics
- Title（参考訳）: CLPsych 2026のチームMKC: ソーシャルメディアタイムラインのダイナミクスによるメンタルヘルスの変化の捕捉と特徴付け
- Abstract要約: 逐次順序付けされたユーザ投稿に対する総合的なメンタルヘルス分析のためのLLMベースのパイプラインを提案する。
当社のパイプラインは,ポストレベルアセスメントとユーザレベルの時間的モデリングを共同で実現する統合フレームワークを提供する。
- 参考スコア（独自算出の注目度）: 34.97214561560987
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent advances in Large Language Models (LLMs) have motivated their adoption across a wide range of domains, including Artificial Intelligence (AI) for mental health. Given the growing prevalence of mental health disorders worldwide and the limited accessibility of professional care, there is an increasing demand for scalable computational approaches that can assist in early detection and continuous monitoring of psychological well-being. In this area, ongoing efforts have focused on curating domain-specific datasets and leveraging them to develop LLMs capable of supporting holistic mental health analysis. In line with this direction, we propose an LLM-based pipeline for comprehensive mental health analysis over sequentially ordered user posts, as part of the CLPsych shared task. Our pipeline offers a unified framework that jointly enables post-level assessment and user-level temporal modeling.
- Abstract（参考訳）: 大規模言語モデル(LLM)の最近の進歩は、メンタルヘルスのための人工知能(AI)など、幅広い領域で採用を動機付けている。
世界中のメンタルヘルス障害の流行と専門医療のアクセシビリティの限界を考えると、心理的幸福の早期発見と継続的なモニタリングを支援するスケーラブルな計算アプローチへの需要が高まっている。
この領域では、ドメイン固有のデータセットのキュレーションと、それらを活用して総合的なメンタルヘルス分析を支援するLLMの開発に取り組んできた。
そこで本研究では,CLPsych共有タスクの一環として,順に順序付けられたユーザ投稿に対する総合的なメンタルヘルス分析のためのLLMベースのパイプラインを提案する。
当社のパイプラインは,ポストレベルアセスメントとユーザレベルの時間的モデリングを共同で実現する統合フレームワークを提供する。
関連論文リスト
- Responsible Evaluation of AI for Mental Health [72.85175110624736]
メンタルヘルスケアにおけるAIツールの評価に対する現在のアプローチは、断片化されており、臨床実践、社会的コンテキスト、ファーストハンドのユーザエクスペリエンスと不整合である。
本稿では,臨床の健全性,社会的文脈,公平性を統合した学際的枠組みを導入することにより,責任ある評価を再考する。
論文 参考訳（メタデータ） (2026-01-20T12:55:10Z) - Position: AI Will Transform Neuropsychology Through Mental Health Digital Twins for Dynamic Mental Health Care, Especially for ADHD [5.844783557050257]
我々は、静的なメンタルヘルス診断アセスメントから、継続的人工知能(AI)によるアセスメントへの移行を提唱する。
本研究では,注意欠陥・多動性障害(ADHD)を事例として考察する。
本稿では、メンタルヘルス・デジタル・ツイン(MHDT)を、パーソナライズされたメンタルヘルスケアの変革的枠組みとして用いることを提案する。
論文 参考訳（メタデータ） (2025-10-08T18:06:15Z) - 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) - 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) - 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) - MAGI: Multi-Agent Guided Interview for Psychiatric Assessment [50.6150986786028]
我々は,ゴールドスタンダードのMini International Neuropsychiatric Interview(MINI)を自動計算ナビゲーションに変換する最初のフレームワークであるMAGIを紹介する。
臨床検査法, 会話適応性, 説明可能な推論を併用することにより, MAGI は LLM 支援型メンタルヘルスアセスメントを推し進めることを示す。
論文 参考訳（メタデータ） (2025-04-25T11:08:27Z) - Leveraging LLMs for Mental Health: Detection and Recommendations from Social Discussions [0.5249805590164902]
本研究では,NLP(Natural Language Processing)とジェネレーティブAI(Generative AI)技術を活用し,精神疾患の特定と評価を行う包括的フレームワークを提案する。
我々はルールベースのラベリング手法と高度な事前学習NLPモデルを用いて、データからニュアンス付きセマンティック特徴を抽出する。
特殊なLarge Language Models (LLMs) の予測に基づいて、ドメイン適応型および汎用的なNLPモデルを微調整し、分類精度を向上させる。
論文 参考訳（メタデータ） (2025-03-03T11:48:01Z) - SouLLMate: An Application Enhancing Diverse Mental Health Support with Adaptive LLMs, Prompt Engineering, and RAG Techniques [9.920107586781919]
メンタルヘルスの問題は個人の日常生活に大きな影響を及ぼすが、多くの人は利用可能なオンラインリソースでも必要な支援を受けていない。
この研究は、最先端のAI技術を通じて、多様な、アクセス可能な、スティグマのない、パーソナライズされた、リアルタイムのメンタルヘルスサポートを提供することを目的としている。
論文 参考訳（メタデータ） (2024-10-17T22:04:32Z) - Benefits and Harms of Large Language Models in Digital Mental Health [40.02859683420844]
大型言語モデル (LLMs) は、デジタルメンタルヘルスを未知の領域に導くことを約束している。
本稿では、デジタルメンタルヘルスツールの設計、開発、実装においてLLMがもたらす可能性とリスクについて、現代の展望を示す。
論文 参考訳（メタデータ） (2023-11-07T14:11:10Z) - Psy-LLM: Scaling up Global Mental Health Psychological Services with
AI-based Large Language Models [3.650517404744655]
Psy-LLMフレームワークは、大規模言語モデルを利用したAIベースのツールである。
我々のフレームワークは、トレーニング済みのLLMと心理学者や広範囲にクロールされた心理学記事の現実のプロフェッショナルQ&Aを組み合わせる。
医療専門家のためのフロントエンドツールとして機能し、即時対応とマインドフルネス活動を提供して患者のストレスを軽減する。
論文 参考訳（メタデータ） (2023-07-22T06:21:41Z)
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。