Detecting anxiety and depression in dialogues: a multi-label and explainable approach

要約

不安症とうつ病は世界中で最も一般的なメンタルヘルス問題であり、無視できない割合の人々に影響を与えています。
したがって、政府の医療制度を含む関係者は、全体的な観点から早期発見と予防を促進する(つまり、複数の疾患に同時に対処する)ための新しい戦略を開発しています。
この研究では、不安とうつ病を複数のラベルで分類するためのまったく新しいシステムが提案されています。
入力データは、アシスタント チャットボットとのユーザーの対話からの対話で構成されます。
もう 1 つの関連する貢献は、言語の複雑さと多様性を考慮して、特徴抽出に大規模言語モデル (LLM) を使用することにあります。
言語理解の高い能力を備えた LLM と、ラベル付けされたデータのおかげで分類問題に関する文脈上の知識を提供する機械学習 (ML) モデルの組み合わせは、メンタルヘルス評価に対する有望なアプローチを構成します。
ソリューションの信頼性、信頼性、説明責任を促進するために、モデルの決定の説明可能性の説明がグラフィカル ダッシュボードに提供されます。
実際のデータセットでの実験結果は 90% の精度に達し、先行文献の結果を改善しました。
最終的な目標は、医療システムで正式な治療が行われる前に、アクセスしやすく拡張可能な方法で貢献することです。

要約(オリジナル)

Anxiety and depression are the most common mental health issues worldwide, affecting a non-negligible part of the population. Accordingly, stakeholders, including governments’ health systems, are developing new strategies to promote early detection and prevention from a holistic perspective (i.e., addressing several disorders simultaneously). In this work, an entirely novel system for the multi-label classification of anxiety and depression is proposed. The input data consists of dialogues from user interactions with an assistant chatbot. Another relevant contribution lies in using Large Language Models (LLMs) for feature extraction, provided the complexity and variability of language. The combination of LLMs, given their high capability for language understanding, and Machine Learning (ML) models, provided their contextual knowledge about the classification problem thanks to the labeled data, constitute a promising approach towards mental health assessment. To promote the solution’s trustworthiness, reliability, and accountability, explainability descriptions of the model’s decision are provided in a graphical dashboard. Experimental results on a real dataset attain 90 % accuracy, improving those in the prior literature. The ultimate objective is to contribute in an accessible and scalable way before formal treatment occurs in the healthcare systems.

arxiv情報

著者 Francisco de Arriba-Pérez,Silvia García-Méndez
発行日 2024-12-23 15:29:46+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI パーマリンク