Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

A Layered Multi-Expert Framework for Long-Context Mental Health Assessments

Created by
  • Haebom

作者

Jinwen Tang, Qiming Guo, Wenbo Sun, Yi Shang

概要

本論文は、長文の精神衛生評価における大規模言語モデル(LLM)の幻覚または非一貫した推論問題を解決するために、階層的多重モデル推論(SMMR)フレームワークを提示する。 SMMRは、複数のLLMと特殊化された小規模モデルを同等の「専門家」として活用し、初期層では短く独立したサブタスクを処理し、後期層ではさらに進化した長文脈モデルを通じて部分出力を統合し改善する。 DAIC-WOZうつ病スクリーニング検査データセットと48の精神科診断ケーススタディは、単一モデル基準よりも精度、F1スコア、PHQ-8エラー低減という点で一貫した性能向上を示した。様々な「第二の意見」を活用して幻覚を減らし、微妙な臨床的ニュアンスを捉え、高リスク精神健康評価の信頼性を高めた。これは、信頼できるAIベースのスクリーニングのためのマルチプロフェッショナルフレームワークの価値を強調します。

Takeaways、Limitations

Takeaways:
マルチモデルアプローチによりLLMベースの精神健康評価の精度と信頼性を向上できることを示した。
幻覚と非一貫性の問題を軽減する効果的な戦略の提示
様々な専門家モデルのコラボレーションによる微妙な臨床的ニュアンス捕捉可能性の提示
高リスク精神健康評価におけるAI活用の信頼性向上に寄与
Limitations:
提示されたSMMRフレームワークの一般化性能に関するさらなる研究が必要です。
さまざまな精神疾患とさまざまなデータセットの追加検証が必要です。
モデルの解釈力と透明性に関するさらなる研究の必要性
実際の臨床環境を適用するための追加の研究と検証が必要です。
👍