基于成对大语言模型的阿尔茨海默病痴呆检测
计算与语言
2025-06-12 v1 人工智能
机器学习
摘要
阿尔茨海默病痴呆 (AD) 是一种神经退行性疾病，常影响语言能力。本工作扩展了成对 perplexity 方法以检测 AD，采用最新大语言模型 (LLM)——Mistral-7B 的 instruction-following 版本。我们平均提高了 3.33% 超过当前最佳成对 perplexity 方法的准确率，并比 ADReSS 2020 挑战基准中最佳方法提高 6.35%。我们的进一步分析表明，所提方法能够在清晰可解释的决策边界上有效检测 AD，与其他 suffer from opaque decision-making processes 的方法形成鲜明对比。最后，通过对 fine-tuned LLMs 进行提示并将模型生成的响应与人类响应进行比较，我们说明了 LLMs 已学习了 AD 说话者的特殊语言模式，这为 novel methods of model interpretation and data augmentation 开辟了可能性。
引用
@article{arxiv.2506.09315,
title = {Alzheimer's Dementia Detection Using Perplexity from Paired Large Language Models},
author = {Yao Xiao and Heidi Christensen and Stefan Goetze},
journal= {arXiv preprint arXiv:2506.09315},
year = {2025}
}
备注
To be published in the proceedings of Interspeech 2025