PulseAugur
中
实时 13:55:33
English(EN) Reading between the Lines: Leveraging Large Language Models for Global Dementia and Depression Assessment from Clinical Interviews

大型语言模型可从临床访谈中准确评估痴呆症和抑郁症

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种使用大型语言模型（LLMs）从临床访谈记录中评估痴呆症和抑郁症严重程度的方法。该研究比较了三种大型语言模型——Mistral 3.1、DeepHermes 和 Qwen3——分别使用了零样本预测和基于大型语言模型的特征提取进行支持向量回归。结果表明，大型语言模型可直接有效预测抑郁症严重程度，而通过结构化特征提取，痴呆症评估得到显著改善，与零样本方法相比，错误率最多可降低 35%。使用包含停顿信息的转录文本被证明与人工转录文本具有竞争力，为自动化筛查流程铺平了道路。 AI

影响 大型语言模型在自动化神经精神评估方面显示出潜力，有望改善痴呆症和抑郁症的早期发现和鉴别诊断。

排序理由 该集群包含一篇详细介绍大型语言模型在医学评估中应用研究结果的学术论文。

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

大型语言模型可从临床访谈中准确评估痴呆症和抑郁症

报道来源 [2]

  1. arXiv cs.CL TIER_1 English(EN) · Franziska Braun, Alea R\"uggeberg, Thomas Ranzenberger, Hartmut Lehfeld, Thomas Hillemacher, Tobias Bocklet, Korbinian Riedhammer ·

    字里行间：利用大型语言模型对临床访谈进行全球痴呆症和抑郁症评估

    arXiv:2606.18019v1 Announce Type: cross Abstract: Dementia and depression are the most prevalent neuropsychiatric disorders in geriatric populations, and their overlapping symptoms pose major challenges for differential diagnosis. In this study, we investigate open-weights Large …

  2. arXiv cs.CL TIER_1 English(EN) · Korbinian Riedhammer ·

    字里行间：利用大型语言模型对临床访谈进行全球痴呆症和抑郁症评估

    Dementia and depression are the most prevalent neuropsychiatric disorders in geriatric populations, and their overlapping symptoms pose major challenges for differential diagnosis. In this study, we investigate open-weights Large Language Models (LLMs) for predicting dementia and…

相关实体

相关话题