生成式预训练 Transformer（GPT）在标准化抑郁症状量表上模拟抑郁个体的性能研究
神经元与认知
2023-07-18 v1 机器学习
摘要
背景：抑郁症是一种常见精神障碍，带来社会与经济负担。当前诊断依赖自我报告与评估量表，存在可靠性问题。需要客观方法来诊断抑郁症。目的：评估 GPT 技术在诊断抑郁症中的潜力。评估其模拟抑郁个体并考察抑郁量表影响的能力。方法：使用了三种抑郁相关评估工具（HAMD-17、SDS、GDS-15）。两个实验模拟了 GPT 对正常个体与抑郁个体的回应。将 GPT 的回应与预期结果比较，评估其对抑郁症状的理解及在不同条件下的表现差异。结果：评估了 GPT 在抑郁评估中的表现。其对抑郁个体与正常个体均符合评分标准。基于抑郁严重程度观察到一些表现差异。GPT 在灵敏度更高的量表上表现更好。结论：GPT 在抑郁相关评估中准确模拟抑郁个体与正常个体。模拟不同程度抑郁时出现偏差，限制了对轻中度病例的理解。GPT 在灵敏度更高的量表上表现更好，表明开发更有效抑郁量表的潜力。GPT 在抑郁评估中具有重要潜力，可辅助临床医生与患者。
引用
@article{arxiv.2307.08576,
title = {A Study on the Performance of Generative Pre-trained Transformer (GPT) in Simulating Depressed Individuals on the Standardized Depressive Symptom Scale},
author = {Sijin Cai and Nanfeng Zhang and Jiaying Zhu and Yanjie Liu and Yongjin Zhou},
journal= {arXiv preprint arXiv:2307.08576},
year = {2023}
}