PHQ-8 Days: a measurement option for DSM-5 Major Depressive Disorder (MDD) severity
PulseAugur coverage of PHQ-8 Days: a measurement option for DSM-5 Major Depressive Disorder (MDD) severity — every cluster mentioning PHQ-8 Days: a measurement option for DSM-5 Major Depressive Disorder (MDD) severity across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的分层多智能体系统增强抑郁症检测能力
研究人员开发了HiMA-MDD，一个新颖的分层多智能体系统，用于临床访谈中的可解释多模态抑郁症检测。该系统将证据收集和评估组织成三个不同的智能体层，模仿了临床诊断的分层性质。HiMA-MDD旨在通过明确管理证据访问、评分权限和反馈循环来提高抑郁症评估的准确性和可审计性。使用Qwen2.5-72B-Instruct作为骨干进行的实验表明，HiMA-MDD在E-DAIC数据集上超越了当前最先进的方法。
-
新 AI 框架增强临床访谈中抑郁症识别的可解释性
研究人员开发了 Explain-MDRC，一个用于临床访谈中多模态抑郁症识别的新框架。该系统旨在通过从文本生成结构化症状摘要并将其与非语言线索相结合来增强可解释性。创建了一个名为 Explain-DAIC 的新数据集，使用了 DAIC-WOZ 数据和 PHQ-8 对齐的注释，以促进透明 AI 模型的开发。Explain-MDRC 中提出的 PhqCML 模型结合了症状摘要、对比学习和多模态融合，展示了改进的识别性能并提供了临床医生可读的证据。
-
新型AI模型可预测抑郁症严重程度并提供不确定性估计
研究人员开发了PTTSD，一个新颖的概率框架，旨在从临床访谈记录中检测抑郁症的严重程度。该系统利用LSTMs和自注意力机制来预测PHQ-8分数，并提供校准后的不确定性估计以及预测结果。该框架包括用于序列到序列和序列到单点预测的变体，前者允许对访谈期间置信度演变进行时间分析。在E-DAIC和DAIC-WOZ数据集上进行评估，PTTSD在仅文本系统中表现出竞争力，并突出了不确定性感知预测的临床效用。
-
研究揭示抑郁症患者如何使用ChatGPT获取非正式支持
一项新研究分析了来自766名参与者的187,093次ChatGPT对话，以了解抑郁症状患者如何使用该AI。研究发现，抑郁评分较高（PHQ-8评分10分或以上）的参与者更频繁地使用ChatGPT进行与心理健康、人际关系问题、孤独感和自我关注话题相关的对话。这些用户还表现出独特的行为模式，包括更多深夜互动和每月重复参与，以及更多使用第一人称单数代词和绝对化语言。尽管研究表明ChatGPT正日益被用作非正式支持基础设施，但仅凭语言筛查抑郁症…
-
新的EmoTrack框架改进了咨询记录抑郁症追踪
研究人员开发了EmoTrack，一个旨在更准确地从咨询记录追踪抑郁症严重程度的新框架。该系统结合了大型语言模型提取的信号和来自单个对话轮次的语义嵌入。EmoTrack还包含了一个新颖的数据集LongCounsel，其中包含纵向数据和针对重复会话的监督，即使在会话中症状披露不完整也能实现更好的性能。
-
AI工具通过聊天机器人和心理健康检测提升校园福祉
研究人员开发了旨在通过增强反馈收集和心理健康检测来改善校园福祉的人工智能工具。TigerGPT是一款聊天机器人，利用大型语言模型进行个性化调查，实现了高可用性和满意度。AURA是一个强化学习框架，用于优化后续问题以提高对话质量。在干预方面，PsychoGPT是一个在临床指南上训练的大型语言模型，有助于进行痛苦分类和症状评分，并采用堆叠多模型推理方法来减少幻觉。