post-traumatic stress disorder
PulseAugur coverage of post-traumatic stress disorder — every cluster mentioning post-traumatic stress disorder across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
克里斯托弗·诺兰的《奥德赛》将探讨战争退伍军人的道德创伤
克里斯托弗·诺兰即将改编的荷马史诗《奥德赛》被定位为对战争退伍军人的道德创伤和创伤后应激障碍的深刻探索。马特·达蒙饰演的奥德修斯深入探讨了战争的心理代价，特别是道德创伤的概念，这种创伤源于违背个人道德信念的行为。该片将历史和电影中对战争创伤的描绘，包括乔纳森·谢伊关于越南战争的作品以及电影《生于七月四日》，进行了类比，强调了士兵所经历的持久的内疚、羞耻和疏离感。
-
LLM在抑郁症检测方面展现出潜力，但在严重程度评估方面存在困难
研究人员探索了使用大型语言模型（LLM）从社交媒体文本中检测抑郁症。他们的研究将零样本LLM与传统的监督分类器进行了比较，发现虽然零样本LLM在二元抑郁症分类方面表现良好，但在预测抑郁症严重程度方面存在困难。在LLM生成的摘要嵌入上训练的监督模型在多类和有序分类任务上表现出更高的准确性。研究结果表明，将LLM用作语义解释器，而不仅仅是端到端分类器，可以带来更有效和可解释的心理健康评估系统。
-
AI智能体现可模拟七种心理障碍
研究人员开发了一种在强化学习智能体中模拟心理障碍的新颖框架，超越了单次运行、手动调整的方法。这种新方法允许对认知评估信号进行剂量可控的操纵，以诱导七种不同的障碍，包括焦虑、躁狂和抑郁，每种障碍都通过特定的检测方法进行测量。在超过一千次实验运行中，诱导的障碍表现出分级、剂量依赖的反应，而对照组未能复制，这表明了一种模拟AI情感表型的鲁棒且可控的方法。
-
新AI模型预测女性性工作者心理健康风险
研究人员开发了一种新颖的混合机器学习模型，用于预测女性性工作者的心理健康风险，特别是抑郁症。该模型集成了使用ANOVA和互信息的集成特征选择策略，以及由Harris Hawks优化算法优化的逻辑回归模型。该系统还纳入了可解释AI（XAI）方法，以识别影响心理健康预测的因素。在对3,005名个体的数据集进行测试时，该模型取得了很高的性能指标，包括95.78%的准确率、95.77%的F1分数和0.96的AUC，突出了创伤后应激障碍、客户相…
-
LLM在增强上下文的情况下显示出在PTSD严重程度估算方面的潜力
一项新研究发表在arXiv上，评估了11个大型语言模型（LLM）从临床叙述中估算PTSD严重程度的性能。研究发现，当提供详细的背景信息（如子量表定义和访谈问题）时，LLM的表现最佳，并且增加的推理工作量可以提高准确性。像Llama和DeepSeek这样的开放权重模型在超过70B参数后表现出现平台期，而像gpt-o3-mini和GPT-5这样的闭源模型随着新一代的出现而持续改进。该研究还表明，LLM能够区分PTSD严重程度与其他疾病，并…
-
可穿戴技术有助于稳定退伍军人骑行者创伤后应激障碍症状
一项试点随机试验探讨了可穿戴数字自我管理干预措施对参加耐力自行车项目的创伤后应激障碍退伍军人的有效性。研究发现，与单独进行体育活动相比，结合智能手表传感和数字工具有助于稳定过度兴奋并维持症状改善。个性化和以人为本的设计被强调为可穿戴心理健康系统的关键，因为参与者对机器学习检测精度的反馈各不相同。
-
AI工具通过语音分析和CBT增强退伍军人的PTSD护理
人工智能正被用于改善退伍军人的心理健康护理，特别是在应对PTSD方面。这些AI工具通过语音分析来检测痛苦、进行虚拟访谈、提供认知行为疗法（CBT）辅助，并实现危机的早期干预。这种整合旨在提高退伍军人护理的可及性和有效性。
-
AI模型通过生理数据客观评估PTSD严重程度
研究人员开发了一种使用多变量核密度估计（MKDE）的机器学习方法，以客观评估创伤后应激障碍（PTSD）的严重程度。通过分析21名参与者的心率和皮肤电反应等生理数据，该模型在区分PTSD患者和非PTSD患者方面达到了86%的准确率。该系统还估计了临床PTSD的严重程度，平均绝对百分比误差为17%，为当前评估方法提供了一种可能更有效、更少主观性的替代方案。