PulseAugur
实时 13:52:55
English(EN) When PCOS Meets Eating Disorders: An Explainable AI Approach to Detecting the Hidden Triple Burden

AI模型可解释地检测多囊卵巢综合征和饮食失调

研究人员开发了开源语言模型,用于检测社交媒体帖子中多囊卵巢综合征(PCOS)、身体意象困扰和饮食失调的三重负担。使用1000个与PCOS相关的帖子数据集,对三个模型(Gemma-2-2B、Qwen3-1.7B和DeepSeek-R1-Distill-Qwen-1.5B)进行了低秩适应(Low-Rank Adaptation)微调,以提供解释和文本证据。表现最佳的模型在独立测试集上达到了75.3%的准确率,展示了强大的合并症检测和可解释性,尽管其有效性会随着诊断复杂性的增加而降低,表明其主要用途是筛查。 AI

影响 展示了AI在公共卫生数据中早期筛查复杂合并症的潜力。

排序理由 详细介绍AI在医学研究中新应用的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Apoorv Prasad, Susan McRoy ·

    When PCOS Meets Eating Disorders: An Explainable AI Approach to Detecting the Hidden Triple Burden

    arXiv:2604.14356v2 Announce Type: replace-cross Abstract: Women with polycystic ovary syndrome (PCOS) face substantially elevated risks of body image distress, disordered eating, and metabolic challenges, yet existing natural language processing approaches for detecting these con…