Depression and Anxiety Prediction Using Deep Language Models and Transfer Learning

要約

デジタル スクリーニングおよびモニタリング アプリケーションは、医療従事者が行動上の健康状態を管理するのに役立ちます。
私たちは、アプリケーションとの 16,000 人のユーザーの対話中に収集された会話音声から、うつ病、不安、およびそれらの同時発生を検出するための深層言語モデルを調査します。
ラベルは、同じくアプリケーションによって収集された PHQ-8 および GAD-7 の結果から取得されます。
二値分類の結果は、条件と共起に応じて 0.86 ～ 0.79 AUC の範囲であることがわかります。
ユーザーが両方の条件を満たしているか、どちらの条件も満たしていない場合に最高のパフォーマンスが達成されますが、この結果がデータの偏りに起因するものではないことを示します。
最後に、根底にある単語シーケンスの手がかりが、不安よりもうつ病の方が顕著である可能性を示唆する証拠を発見しました。

要約(オリジナル)

Digital screening and monitoring applications can aid providers in the management of behavioral health conditions. We explore deep language models for detecting depression, anxiety, and their co-occurrence from conversational speech collected during 16k user interactions with an application. Labels come from PHQ-8 and GAD-7 results also collected by the application. We find that results for binary classification range from 0.86 to 0.79 AUC, depending on condition and co-occurrence. Best performance is achieved when a user has either both or neither condition, and we show that this result is not attributable to data skew. Finally, we find evidence suggesting that underlying word sequence cues may be more salient for depression than for anxiety.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google