自动化 PTSD 诊断：利用大语言模型进行创伤评估
计算与语言
2025-05-02 v1
摘要
临床工作人力短缺为心理健康领域带来了显著挑战，限制了正式诊断和服务的可及性。我们通过整合定制化大语言模型（LLM）到工作流程中来解决这一问题，从而促进心理健康服务的公平获取。尽管 LLMs 在临床决策方面已展现出强大能力，但其在类似创伤后应激障碍（PTSD）等严重疾病上的适应性仍属基本未探索的领域。因此，我们收集了 411 份临床访谈记录，构建了新颖的方法以获取高质量数据。此外，我们基于访谈内容构建了一个综合框架，用于自动化 PTSD 诊断评估，利用两种最先进的 LLMs（GPT-4 和 Llama-2），具有更广泛的临床诊断潜力。我们的结果表明，针对我们数据集的 LLMs 在诊断验证方面展现出强大的前景。据我们了解，这是首个基于临床访谈完全自动化心理疾病评估的 AI 系统。
引用
@article{arxiv.2405.11178,
title = {Automating PTSD Diagnostics in Clinical Interviews: Leveraging Large Language Models for Trauma Assessments},
author = {Sichang Tu and Abigail Powers and Natalie Merrill and Negar Fani and Sierra Carter and Stephen Doogan and Jinho D. Choi},
journal= {arXiv preprint arXiv:2405.11178},
year = {2025}
}