본 연구는 사용자 생성 텍스트 콘텐츠를 통해 정신 질환을 감지하기 위해 최첨단 AI 기술을 활용합니다. 기존 연구는 일반적으로 완전 감독 학습에 의존하는데, 이는 각 연구 문제에 대한 방대한 훈련 데이터에 대한 수작업 주석 처리의 노력 집약적인 과정과 각 작업에 대한 특수 심층 학습 아키텍처를 설계해야 할 필요성과 같은 어려움을 제시합니다. 본 연구는 대규모 언어 모델과 연속 다중 프롬프트 엔지니어링을 활용하여 이러한 과제를 해결하는 새로운 방법을 제안합니다. 이 방법은 (1) 각 사용자의 고유한 특성을 포착하는 개인화된 프롬프트 개발 및 (2) 질병 감지에 대한 맥락을 제공하고 예측 모델링을 용이하게 하기 위해 구조화된 의학 지식을 프롬프트에 통합하는 두 가지 주요 장점을 제공합니다. 세 가지 널리 퍼져 있는 정신 질환을 연구 사례로 사용하여 본 방법을 평가했습니다. 본 방법은 특징 엔지니어링, 아키텍처 엔지니어링 및 이산 프롬프트 엔지니어링을 포함한 기존 방법보다 훨씬 우수한 성능을 보였습니다. 한편, 본 접근 방식은 소수 샷 학습에서 성공을 보여줍니다. 즉, 최소한의 훈련 예제만 필요합니다. 또한, 본 방법은 소수의 양성 레이블을 가진 다른 희귀 정신 질환 감지 작업으로 일반화될 수 있습니다. 기술적 기여 외에도, 본 방법은 정신 질환이 있는 개인의 웰빙을 향상시키고 기존 정신 질환 선별 방법을 넘어 이해 관계자에게 비용 효율적이고 접근 가능한 대안을 제공할 가능성이 있습니다.
