Privacy Aware Question-Answering System for Online Mental Health Risk Assessment

要約

ソーシャル メディア プラットフォームにより、精神疾患に苦しむ人々が自分の生きた経験を共有し、対処するために必要なオンライン サポートを見つけることができるようになりました。
しかし、多くのユーザーは真の臨床サポートを受けられず、症状を悪化させています。
ユーザーがオンラインに投稿した内容に基づいてユーザーをスクリーニングすることは、医療提供者が対象を絞った医療を管理するのに役立ち、誤検知を最小限に抑えることができます。
事前トレーニングされた言語モデル (LM) は、ユーザーのソーシャル メディア データを評価し、メンタルヘルス リスクの観点からユーザーを分類できます。
私たちは、2 つの大規模なメンタルヘルス データセットに対する統合 QA モデルを使用してメンタルヘルス リスクを評価するための質問応答 (QA) アプローチを提案します。
ユーザー データを保護するために、差分プライバシーを使用してモデル トレーニング プロセスを匿名化することで、Unified-QA を拡張します。
私たちの結果は、特にメンタルヘルスのユースケースにおいて、QA タスクとしてリスク評価をモデリングすることの有効性を示しています。
さらに、差分プライバシーを含めると、モデルのパフォーマンスは 1% 未満低下します。
提案されたシステムのパフォーマンスは、プライバシーを意識した診断システムの開発につながる有望な研究の方向性を示しています。

要約(オリジナル)

Social media platforms have enabled individuals suffering from mental illnesses to share their lived experiences and find the online support necessary to cope. However, many users fail to receive genuine clinical support, thus exacerbating their symptoms. Screening users based on what they post online can aid providers in administering targeted healthcare and minimize false positives. Pre-trained Language Models (LMs) can assess users’ social media data and classify them in terms of their mental health risk. We propose a Question-Answering (QA) approach to assess mental health risk using the Unified-QA model on two large mental health datasets. To protect user data, we extend Unified-QA by anonymizing the model training process using differential privacy. Our results demonstrate the effectiveness of modeling risk assessment as a QA task, specifically for mental health use cases. Furthermore, the model’s performance decreases by less than 1% with the inclusion of differential privacy. The proposed system’s performance is indicative of a promising research direction that will lead to the development of privacy-aware diagnostic systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google