본 연구는 임상 환경에서 저진단되는 외상 후 스트레스 장애(PTSD)의 자동 탐지를 위한 자연어 처리 접근법을 평가했습니다. DAIC-WOZ 데이터셋을 사용하여 일반 및 정신 건강 특화 Transformer 모델(BERT/RoBERTa), 임베딩 기반 방법(SentenceBERT/LLaMA), 그리고 대규모 언어 모델 프롬프팅 전략(제로샷/퓨샷/사고연쇄)을 비교했습니다. 정신 건강 특화된 엔드-투-엔드 모델이 일반 모델보다 성능이 훨씬 우수했으며 (Mental-RoBERTa AUPRC=0.675+/-0.084 vs. RoBERTa-base 0.599+/-0.145), 신경망을 사용한 SentenceBERT 임베딩이 전반적으로 가장 높은 성능(AUPRC=0.758+/-0.128)을 달성했습니다. DSM-5 기준을 사용한 퓨샷 프롬프팅도 두 가지 예시만으로 경쟁력 있는 결과(AUPRC=0.737)를 보였습니다. 성능은 증상 심각도와 우울증 동반 질환 상태에 따라 크게 달라졌으며, 심각한 PTSD 환자와 우울증 동반 질환 환자에게서 정확도가 더 높았습니다. 이러한 결과는 도메인 적응 임베딩과 LLM이 확장 가능한 선별 검사에 잠재력을 가지고 있음을 강조하지만, 미묘한 증상 표현의 개선된 탐지와 임상적으로 실행 가능한 PTSD 평가 AI 도구 개발에 대한 통찰력을 제공할 필요성을 강조합니다.
