精神疾病诊断：紧急情况下大型语言模型和机器学习模型能否有效发挥作用？
机器学习
2025-09-03 v1 计算机与社会
摘要
精神疾病是与压力和/或影响社交、职业或家庭活动的行为模式。患有此类疾病的人往往因可见症状不如其他健康问题而被误判和不良诊断。在紧急情况下识别精神问题为何如此具有挑战性却又至关重要，以挽救患者性命。本文我们对如何利用传统机器学习和大型语言模型(LLM)基于患者行为模式对这些精神疾病患者进行评估以提供诊断评估进行了研究。来自德国救援站的紧急精神疾病患者数据被收集。多种机器学习模型，包括 Llama 3.1，被用于对救援患者数据进行评估，以评估这些模型的预测能力是否可作为高效识别不健康精神疾病患者的工具，尤其是在救援案例中。
引用
@article{arxiv.2509.00026,
title = {Diagnosing Psychiatric Patients: Can Large Language and Machine Learning Models Perform Effectively in Emergency Cases?},
author = {Abu Shad Ahammed and Sayeri Mukherjee and Roman Obermaisser},
journal= {arXiv preprint arXiv:2509.00026},
year = {2025}
}