Exploring Large Language Models for Detecting Mental Disorders
Created by
Haebom
Category
Empty
저자
Gleb Kuzmin, Petr Strepetov, Maksim Stankevich, Natalia Chudova, Artem Shelmanov, Ivan Smirnov
개요
본 논문은 우울증 및 불안 감지를 위해 전통적인 머신 러닝 방법, 인코더 기반 모델, 그리고 대규모 언어 모델(LLM)의 성능을 비교한다. 러시아어 데이터셋 5개를 사용하여, 각기 다른 형식과 목표 병리 클래스 정의 방법을 적용했다. 언어학적 특징 기반 AutoML 모델, BERT와 같은 인코더 기반 Transformer 모델, 그리고 최신 LLM을 병리 분류 모델로 테스트했다.
시사점, 한계점
•
시사점:
◦
LLM은 특히 노이즈가 많고 작은 데이터셋에서 전통적인 방법보다 우수한 성능을 보였다.
◦
임상적으로 확인된 우울증 환자의 텍스트를 기반으로 훈련된 정신 언어학적 특징과 인코더 기반 모델은 LLM과 유사한 성능을 달성하여, 특정 임상 응용 분야에서 효과적일 수 있음을 시사한다.
