Toward A Reinforcement-Learning-Based System for Adjusting Medication to Minimize Speech Disfluency

要約

私たちは強化学習ベースのシステムを提案します。このシステムは、メンタルヘルス関連の言語流暢性を改善する可能性のある仮想の患者薬を自動的に処方し、流暢性を無料で頻繁に測定することに応じて薬と投与量を調整します。
患者の。
私たちは、構築した大規模なデータセットで発話の流暢性を検出して評価するモジュールと、薬の適切な組み合わせを自動的に見つける強化学習アルゴリズムという、システムのコンポーネントをデモします。
2 つのモジュールをサポートするために、言語流暢に対する精神科治療の効果に関するデータを文献から収集し、妥当な患者シミュレーション システムを構築します。
私たちは、強化学習システムが状況によっては適切な投薬計画に収束できることを実証しました。
私たちは、言語流暢性の可能性がある人々のデータセットを収集してラベルを付け、そのデータセットを使用した方法を実証します。
私たちの研究は概念実証です。自動データ収集を使用して不流動性に対処するというアイデアに期待があることを示しています。

要約(オリジナル)

We propose a Reinforcement-Learning-based system that would automatically prescribe a hypothetical patient medication that may help the patient with their mental-health-related speech disfluency, and adjust the medication and the dosages in response to zero-cost frequent measurement of the fluency of the patient. We demonstrate the components of the system: a module that detects and evaluates speech disfluency on a large dataset we built, and a Reinforcement Learning algorithm that automatically finds good combinations of medications. To support the two modules, we collect data on the effect of psychiatric medications for speech disfluency from the literature, and build a plausible patient simulation system. We demonstrate that the Reinforcement Learning system is, under some circumstances, able to converge to a good medication regime. We collect and label a dataset of people with possible speech disfluency and demonstrate our methods using that dataset. Our work is a proof of concept: we show that there is promise in the idea of using automatic data collection to address disfluency.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google